PLS-DA (Partial Least Squares Discriminant Analysis) 是一种多变量统计分析方法，常用于处理具有多个预测变量和多个响应变量的数据（点击文末“阅读原文”获取完整代码数据）。
相关视频
在本文中，我们帮助客户使用了PLS-DA方法来挖掘两个疾病的不同中医分组方式下存在差异的指标。
首先，我们有两个Excel文件，分别是患者的证素数据。每一列代表一位患者的多个数据，不同颜色代表了不同的分组。我们想要通过PLS-DA挖掘不同组别患者间存在差异的指标。
两个EXCEL分别是患者的证素的数据，由于是评分性质的，所以都是不连续的数字。每一列代表一位患者的多个数据，不同颜色代表了不同的分组，想通过PLS-DA挖掘下不同组别患者间存在差异的指标有哪些。2个EXCEL是分开的2个疾病，每个疾病下包含不同中医的分组方式，主要想挖掘下不同中医分组方式下存在差异的指标。一方面需要找到这些存在差异的指标，每一列代表一位患者的多个数据，不同颜色代表了不同的分组。
数据1
在R语言中，我们首先将数据导入并进行预处理。我们使用read.csv函数将数据1导入，并将不需要的列删除。然后，我们使用na.omit函数删除含有缺失值的行。最后，我们为每个患者指定一个组别，分别为A、B、C、D、E和F。
data=read.csv("数据1.csv") X=data X=X[,-53] #分别设置组别和指标 X=na.omit(X) Y=c(rep("A",29),rep("B",19),rep("C",27),rep("D", 8),rep("E",9),rep("F",4) )
进行PLS-DA模型的建立
接下来，我们使用PLS-DA建立模型。建立PLS-DA模型，并将数据集和组别变量作为输入。建立模型后，我们可以查看不同组别分别有哪些指标，以及哪些指标之间存在显著的差异。
tIndiv(plsda.breast,
从结果中可以看到不同组别分别有哪些指标,以及哪些指标之间存在显著的差异？
从图中可以看到,分组a和分组b之间存在显著的差异,分组cdef之间的差异较小,分组a分组b和分组cdef间均存在显著差异。
指示变量矩阵
st(t(plsda.breast$ind.mat))
从指示变量矩阵的结果来看,a的特征向量和b的特征向量之间存在显著差异,而cdef之间的差异较小。
数据2
接下来，我们导入数据2，并进行相似的分析步骤。首先，我们使用read.csv函数将数据2导入。然后，我们建立PLS-DA模型，并使用div函数查看不同组别分别有哪些指标，以及哪些指标之间存在显著的差异。
进行PLS-DA模型的建立
div(plsda.breast, ellipse = TRUE
指示变量矩阵
ist(t(plsda.breast$i
从结果中可以看到不同组别分别有哪些指标,以及哪些指标之间存在显著的差异？
从图中可以看到,分组GHEC之间的差异较小,分组ABDFIJK之间差异较小,这两类间均存在显著差异。
从指示变量矩阵的结果来看,GHEC特征向量之间的差异较小距离也较小,分组ABDFIJK之间差异较小距离也较小,这两类间均存在显著差异。
