ggfortify и FactoMineR показывают разные графики PCA
Я изучаю некоторые данные микрочипов и дошел до того, что, используя PCA разными способами, я получаю разные графики PCA с одинаковым процентом вариации. У меня вопрос, почему графики разные, и является ли один из них более правильным, чем другой.
Я использую R3.4.3 на Windows7
mydata - это матрица с выборками в виде строк (26) и зондов в виде столбцов (> 12000).pdata - это таблица с именами образцов и обработкой, к которой они относятся.
Я построил mydata с помощью ggfortify следующим образом
pca <- prcomp(mydata, scale = TRUE)
autoplot(pca, data = pdata, colour = "InOut")
И я получаю следующее
Я подготовил те же данные с FactoMineR следующим образом
input.for.pca <- cbind.data.frame(pdata, mydata)
res.pca <- PCA(input.for.pca, scale.unit = TRUE, ncp = 5, quali.sup = 1, graph = FALSE)
plot.PCA(res.pca, axes = c(1, 2), choix = "ind", habillage = 1, label = "none")
И я получаю следующее
Хотя оба графика объясняют одно и то же изменение, положение точек данных не одинаково. Это почему? Есть какой-то статистический процесс, который должен повлиять на мой выбор одного метода по сравнению с другим?
Спасибо всем заранее, ура