Agrupamiento de datos de aminoácidos: cómo elegir un método adecuadoPor casualidad encontré este enlace a una publicación pública de jmp en las redes sociales, y realmente me intrigó desde un punto de vista profesional. Afortunadamente, el conjunto de datos, incluidos los scripts, estaba disponible para descargar como archivo jmp (consulte también el archivo adjunto a esta publicación). El conjunto de datos contiene concentraciones de un conjunto de aminoácidos en suplementos proteicos, pero solo tiene 16 filas. Por curiosidad, agregué datos de aminoácidos para un material que me interesa y repetí el análisis de conglomerados utilizando todos los métodos disponibles (Ward, promedio, centroide, ...). Como soy relativamente nuevo en este tema, me sorprendió ver que los resultados dependían en gran medida del método de agrupamiento utilizado. En algunos casos, el resultado era lo que quería ver, en la mayoría no.
Me pregunto cómo determinar el mejor método de agrupamiento para un conjunto de datos determinado. ¿Se trata de conservar parte del conjunto de datos para su validación y comprobar el funcionamiento de un método específico?
Además, ¿es justo decir que 17 filas de datos son demasiado pocas para un análisis significativo? ¿Dónde se establecería un límite con respecto a una cantidad razonable de datos que se puedan someter a este tipo de análisis?
Investigación de mercado y consumoRe: Agrupación de datos de aminoácidos: cómo elegir un método apropiadoHola,
Parece que nadie quiere apuñalar tu pregunta, así que déjame compartir mi humilde opinión.
Primero, sería útil comprender su objetivo para este análisis: ¿desea visualizar los datos y / o identificar la estructura inherente en los datos, o algo más?
En segundo lugar, creo que es posible que esté esperando demasiado de los algoritmos de agrupación en clústeres. En mi opinión, la agrupación básica es principalmente un método de visualización para agrupar elementos en función de sus similitudes; Los diferentes métodos proporcionan diferentes formas de evaluar y mostrar similitudes. De ahí el diferente "aspecto" de los dendrogramas según los diferentes métodos.
En tercer lugar, si está interesado en identificar un clasificador para sus suplementos según la composición de aminoácidos, es posible que desee explorar las plataformas Discriminante o Componente principal.
Es de notar que no creo que el tamaño del conjunto de datos afecte la calidad del agrupamiento en sí mismo: cuantos más datos agregue, más compleja será la "ramificación" que obtendrá. Como mínimo, necesita 3 elementos para ejecutar un análisis de agrupación: puede que no proporcione una visión profunda, pero técnicamente eso es todo lo que necesita.
Mejor,
TSRe: Agrupación de datos de aminoácidos: cómo elegir un método apropiadoEn primer lugar, la agrupación en clústeres es un método de aprendizaje no supervisado. Los grupos se desconocen. Los grupos se descubren en los datos o se proponen a través del método. Entonces, estrictamente hablando, la agrupación en clústeres no es una herramienta de clasificación. Espero que sus expectativas sean realistas, eso es todo.
En segundo lugar, JMP ofrece tantas opciones para el método de agrupación que refleja el hecho de que ninguna de ellas es superior . Un estadístico se referiría a un método como "superior" si siempre proporciona el mejor resultado. Pero, ¿cuál es el mejor resultado? El mejor resultado produce clústeres homogéneos que son distintos entre sí. Los grupos homogéneos tienen miembros cercanos entre sí. Los grupos distintos no están cerca unos de otros. Muchos de los métodos se diferencian por su medida de distancia o similitud.
La otra diferencia entre los métodos de agrupamiento tiene que ver con la aglomeración de observaciones en grupos.
Las características de los datos también pueden determinar el rendimiento de los diferentes métodos.
Por lo que es posible que desee volver a visitar el descripciones de los métodos para ver si uno de ellos habla de su sentido de similitud o de la forma en que aglomeraría las observaciones en función de su conocimiento de los datos.
La otra forma es empírica: pruébalos todos y selecciona el que, en tu opinión, produzca el mejor resultado.
Re: Agrupación de datos de aminoácidos: cómo elegir un método apropiadoGracias, esto es lo que quería lograr, visualizar similitudes entre los diferentes tipos de proteínas en función de su composición de aminoácidos. (Y para ser honesto, seguí el ejemplo de la publicación original de un estadístico de jmp. Probablemente sea mejor para describir cuál es el objetivo, es decir, ver el enlace en mi publicación original).
Me sorprende que cada medida o método distante agrupe las proteínas de formas sustancialmente diferentes. Para mi propia tranquilidad, trabajé en un tutorial de agrupamiento usando este conjunto de datos para 3 tipos de granos de trigo . Como era un tutorial, esperaba resultados consistentes con las etiquetas de grano en el conjunto de datos, pero eso fue solo una ilusión. El método Warden pareció funcionar bien, pero ¿quién soy yo para decir que este es el método más adecuado? ¿Quizás lo es? No estoy seguro
También he explorado por PCA, y los resultados son más o menos consistentes con un solo método de agrupamiento.
Re: Agrupación de datos de aminoácidos: cómo elegir un método apropiadoGracias - como siempre Mark muy aclarante! Ahora puedo calibrar mis expectativas y espero que nuestro equipo de marketing pueda hacer lo mismo.Re: agrupación de datos de aminoácidos: cómo elegir un método apropiado
