人眼一般能感知的空間為二維和三維。高維數(shù)據(jù)可視化的重要目標就是將高維數(shù)據(jù)呈現(xiàn)于二維或三維空間中。高維數(shù)據(jù)變換就是使用降維度的方法，使用線性或非線性變換把高維數(shù)據(jù)投影到低維空間，去掉冗余屬性，但同時盡可能地保留高維空間的重要信息和特征。

?PCoA（principal co-ordinates analysis）是一種研究數(shù)據(jù)相似性或差異性的可視化方法，通過一系列的特征值和特征向量進行排序后，選擇主要排在前幾位的特征值，PCoA?可以找到距離矩陣中最主要的坐標，結果是數(shù)據(jù)矩陣的一個旋轉，它沒有改變樣品點之間的相互位置關系，只是改變了坐標系統(tǒng)。通過PCoA?可以觀察個體或群體間的差異。?PCoA與PCA的區(qū)別在于PCA是基于原始的物種組成矩陣所做的分析,使用的是歐式距離,僅僅比較的是物種豐度的不同,而PCoA首先根據(jù)不同的距離算法計算樣品之間的距離,然后對距離矩陣進行處理,使圖中點間的距離正好等于原來的差異數(shù)據(jù),實現(xiàn)定性數(shù)據(jù)的定量轉換。?

本文我們就來討論一下PCoA圖是如何繪制的以及如何對其進行解讀。

嘀嘀嘀！今日小課堂→PCoa圖_嗶哩嗶哩_bilibili