问：使用R语言对SSR数据做主成分分析（PCA）的一个简单小例子
- 答：示例数据来自于R语言包 poppr ,csv文件存储，数据格式如下
使用到的是R语言的 poppr 包中的 read.genalex() 函数
poppr 第一次使用需要先安装
读入数据
读入数据直接是 genclone object，使用函数 genclone2genind() 将其转换成genind object，接下来使用 ade4 包中的 dudi.pca() 函数做主成分分析
主成分的结果存储在li中
还是认为的分个组，然后做散点图
明天的推文再继续这部分内容吧！
问：R语言主成分分析(PCA)加“置信椭圆”
- 答：使用R语言为PCA散点图加置信区间的方法，我知道的有三种，分别是使用ggplot2,ggord,ggfortify三个包去绘制。后面两个R包是基于ggplot2的快捷返方法。
现在拿一组数据集为例，使用先R中的p()基础函数完成主成分分析
问：R语言 主成分分析结果 如何输入分类模型
- 答：是不一样啊，主成分分析主要运算是求矩阵的特征值和特征向量。cor=T时，输入矩阵为相关系数矩阵，每个元素是0<=x<=1的，对角线为1；cor=F时，输入矩阵为协方差矩阵，对角线为每个变量的方差；默认是cor=F的，而相关系数矩阵就相当于先将数据标准化，然后再求协方差矩阵。即：先将数据标准化，两种方式才是相同的。否则，cor=T比cor=F相当于多一个标准化过程。
