skbio.stats.ordination.cca¶
- skbio.stats.ordination.cca(y, x, scaling=1)[源代码]¶
计算规范（也称为约束）对应关系
状态：自0.4.0起处于实验状态。分析。
规范(或约束)对应分析是一种多变量排序技术。它出现在群落生态学中 [1] 并将群落组成与环境(或其他因素)的变化联系起来。它根据样本和约束变量的丰度或计数的数据进行工作，并输出排序轴，使物种之间的样本分离最大化。
它比线性多变量方法更适合于提取分类群的生态位，因为它假设了单峰响应曲线(生境偏好通常是生境变量的单峰函数 [2]) 。
随着更多环境变量的加入，结果变得更加类似于无约束排序，因此只有被认为具有解释性的变量才应该被包括在分析中。
- 参数:
y (DataFrame) -- 按要素显示的样本表(n，m)
x (DataFrame) -- 按约束条件采样表格(n，q)
scaling (int, {1, 2}, optional) -- 扩展类型1保持不变 \(\chi^2\) 行之间的距离。第2类伸缩保留 \(\chi^2\) 列之间的距离。有关解释的更详细说明，请查看Legendre&Legendre 1998，第9.4.3节。
- 返回:
对象，用于存储CCA结果。
- 返回类型:
- 抛出:
ValueError -- 如果 x 和 y 具有不同的行数，如果 y 包含负值，如果 y 包含一行只有0‘的S。
NotImplementedError -- 如果缩放不是1或2。
参见
备注
该算法基于 [3], S 11.2，预计将给出与
cca(y, x)在R的素食包中，除了这个实现不会因为完美的共线性而删除约束变量：用户需要选择输入哪些变量。典则 correspondence 分析不应与规范混淆 correlation 分析(CCorA，但有时称为CCA)，这是一种搜索两个数据集之间的多变量关系的不同技术。典型相关分析是一种统计工具，它在给定两个随机变量向量的情况下，找到彼此具有最大相关性的线性组合。在某种意义上，它假设“物种”对“环境变量”的线性响应，不太适合分析生态数据。
引用