R metaMDS排序距离

Question

我一直在做一些有关不同采样点物种丰度数据集的调整。我正在素食中使用metaMDS来做到这一点。有了这个功能，你可以（1）直接输入社区数据（网站的行数和种类的数量），并指定你想要使用的距离类型（即jaccard，brass curtis，euclidean等）和函数调用vegdist做到这一点。另一方面，你可以（2）给metaMDS一个你已经创建的距离矩阵，可能使用vegdist（与metaMDS函数分开）。我感到困惑的是，如果我做第一个策略，我会得到一个答案，当我做第二个时（然后把这个距离矩阵放到metaMDS函数中），我会得到一个完全不同的答案（非常不同的应力值，不同的排序坐标）。而当我要求在第一个策略中创建的距离矩阵时，距离是非常不同的，那么我只从vegdist函数中得到。我读通过，研究别的东西，当metaMDS调用vegdist函数时，它正在多维空间中寻找距离，而仅仅使用vegdist是在一个维度中。基本上我问的是，metaMDS如何调用和计算与vegdist的距离（它是否在多维空间中执行它）？这与仅仅使用vegdist本身有什么不同？希望能够理解这些差异，我可以辨别出哪种数据集是最好和最合适的方法。

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 ###前六个距离

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

[1] 0.169781 ordjac1

呼叫： metaMDS（COMM = JAC，K = 2）

global multimonimensional Scaling using monoMDS

数据：江淮 距离：捷卡

尺寸：2 压力：0.169781 压力型，弱关系 无融合解决方案 - 20次尝试 缩放后最好的解决办法：定心，PC旋转 种：几十人失踪

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 ###前六个距离

ordjac2 

呼叫： metaMDS（ COMM = mrja，距离= “的Jaccard” 中，k = 2）

全球多维尺度使用monoMDS

数据：威斯康辛（SQRT（mrja）） 距离：的Jaccard

尺寸：2个 胁迫： 0。2367037 压力型，弱关系 无融合解决方案 - 20次尝试 缩放后最好的解决办法：定心，PC旋转，halfchange缩放 种：基于“威斯康星州（的sqrt（mrja））”扩大了比分

Answer 1

有没有足够的信息，但也许metaMDS进行了一些转化和标准化。这可以在跟踪信息和打印输出中看到。例如，我们有

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

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

它告诉你，数据首先平方根转换，然后威斯康星标准化。你有没有看到这样的事情？您可以通过在metaMDS()调用中设置参数autotransform = FALSE来关闭这些功能。您可以先向我们提供这些信息。