R metaMDS排序距離

Question

我一直在做一些有關不同採樣點物種丰度數據集的調整。我正在素食中使用metaMDS來做到這一點。有了這個功能，你可以（1）直接輸入社區數據（網站的行數和種類的數量），並指定你想要使用的距離類型（即jaccard，brass curtis，euclidean等）和函數調用vegdist做到這一點。另一方面，你可以（2）給metaMDS一個你已經創建的距離矩陣，可能使用vegdist（與metaMDS函數分開）。我感到困惑的是，如果我做第一個策略，我會得到一個答案，當我做第二個時（然後把這個距離矩陣放到metaMDS函數中），我會得到一個完全不同的答案（非常不同的應力值，不同的排序座標）。而當我要求在第一個策略中創建的距離矩陣時，距離是非常不同的，那麼我只從vegdist函數中得到。我讀通過，研究別的東西，當metaMDS調用vegdist函數時，它正在多維空間中尋找距離，而僅僅使用vegdist是在一個維度中。基本上我問的是，metaMDS如何調用和計算與vegdist的距離（它是否在多維空間中執行它）？這與僅僅使用vegdist本身有什麼不同？希望能夠理解這些差異，我可以辨別出哪種數據集是最好和最合適的方法。

mrja<-read.table("example.txt") 
jac<-vegdist(mrja,method="jaccard") 
head(jac) 

[1] 0.7910448 0.8721461 0.7157360 0.9075908 0.9335038 0.9104478 ###前六個距離

ordjac1<-metaMDS(jac,k=2) 
ordjac1$stress 

[1] 0.169781 ordjac1

呼叫： metaMDS（COMM = JAC，K = 2）

global multimonimensional Scaling using monoMDS

數據：江淮 距離：捷卡

尺寸：2 壓力：0.169781 壓力型，弱關係 無融合解決方案 - 20次嘗試 縮放後最好的解決辦法：定心，PC旋轉 種：幾十人失蹤

ordjac2<-metaMDS(mrja,k=2,distance="jaccard") 
ordjac2$stress 

[1] 0.2367037

head(ordjac2$dist) 

[1] 5.259303e-06 2.812693e-05 1.879357e-02 1.216611e-01 3.913638e-02 [6] 7.444730e-02 ###前六個距離

ordjac2 

呼叫： metaMDS（ COMM = mrja，距離= 「的Jaccard」 中，k = 2）

全球多維尺度使用monoMDS

數據：威斯康辛（SQRT（mrja）） 距離：的Jaccard

尺寸：2個 脅迫： 0。2367037 壓力型，弱關係 無融合解決方案 - 20次嘗試 縮放後最好的解決辦法：定心，PC旋轉，halfchange縮放 種：基於「威斯康星州（的sqrt（mrja））」擴大了比分

Answer 1

有沒有足夠的信息，但也許metaMDS進行了一些轉化和標準化。這可以在跟蹤信息和打印輸出中看到。例如，我們有

> metaMDS(varespec) 
Square root transformation 
Wisconsin double standardization 
... 
global Multidimensional Scaling using monoMDS 

Data:  wisconsin(sqrt(varespec)) 
Distance: bray 

它告訴你，數據首先平方根轉換，然後威斯康星標準化。你有沒有看到這樣的事情？您可以通過在metaMDS()調用中設置參數autotransform = FALSE來關閉這些功能。您可以先向我們提供這些信息。