我有一个物种丰度数据集,其中有很多零,即使我设置trymax = 1000
for metaMDS()
该程序无法找到压力的稳定解决方案。我已经尝试过合并数据(将多年合并在一起以减少零的数量),但我不能再做更多了。我只是想知道是否有人知道 - 选择 R 最后给我的结果(1000 个解决方案中最低的一个)在科学上是否有效,或者我不应该使用 NMDS,因为它找不到稳定的点?网上关于这方面的信息似乎很少。
对此的一种解释是您尝试使用太少的维度进行映射。我假设您使用的是默认值k = 2
?如果是这样,请尝试k = 3
并比较来自best您从 1000 次尝试中得到的解决方案k = 2
解决方案。
我会有点担心从 1000 个解决方案中选择一个,因为它的压力最好/最低。
您还可以再尝试 1000 次随机启动,看看运行更多迭代后它是否收敛。当您保存输出时metaMDS()
,您可以将该对象提供给另一个调用metaMDS()
通过previous.best
争论。然后它会做trymax
进一步随机启动,但将任何较低压力的解决方案与之前的最佳解决方案进行比较,如果找到相似的解决方案,则收敛,而不是必须在 1000 次启动中找到两个类似的低压力解决方案。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)