291569_it-IT

liliconcom

Clustering dei dati degli amminoacidi: come scegliere un metodo appropriato

Casualmente ho trovato questo link per un post pubblico jmp sui social media, e mi ha davvero incuriosito da un punto di vista professionale. Fortunatamente il set di dati, inclusi gli script, era disponibile per il download come file jmp (vedi anche l'allegato a questo post). Il set di dati contiene concentrazioni per un set di amminoacidi in integratori proteici ma ha solo 16 righe. Per curiosità ho aggiunto i dati degli amminoacidi per un materiale che mi interessa e ho ripetuto l'analisi dei cluster usando tutti i metodi disponibili (Ward, media, centroide,...). Essendo relativamente nuovo su questo argomento, sono rimasto sorpreso nel vedere che i risultati dipendevano molto dal metodo di clustering utilizzato. In alcuni casi il risultato era quello che volevo vedere, nella maggior parte dei casi no.

Mi chiedo come determinare il metodo di clustering migliore per un dato set di dati. Si tratta di conservare una parte del set di dati per la convalida, per verificare quanto funziona bene un metodo specifico?

Inoltre, è giusto dire che 17 righe di dati sono troppo poche per un'analisi significativa? Dove si potrebbe stabilire un limite rispetto a una quantità ragionevole di dati adatta a questo tipo di analisi?

Ricerca sui consumatori e sul mercatoRi: Clustering dei dati sugli amminoacidi - come scegliere un metodo appropriatoGrazie - come sempre molto chiarificatore Mark! Ora posso calibrare le mie aspettative e spero che il nostro team di marketing possa fare lo stesso.Ri: Clustering dei dati sugli amminoacidi - come scegliere un metodo appropriato

Grazie, questo è ciò che volevo ottenere, visualizzare le somiglianze tra i diversi tipi di proteine in base alla loro composizione di aminoacidi. (E ad essere onesti, ho appena seguito l'esempio del post originale di uno statistico jmp. Probabilmente è più bravo a descrivere qual è l'obiettivo, ad esempio vedi il link nel mio post originale.)

Sono solo sorpreso che ogni misura o metodo distante raggruppi le proteine in modi sostanzialmente diversi. Per mia rassicurazione, ho lavorato a un tutorial sul clustering utilizzando questo set di dati per 3 tipi di chicchi di grano . Dato che si trattava di un tutorial, mi aspettavo risultati coerenti con le etichette dei grani nel set di dati, ma era solo un pio desiderio. Il metodo Warden sembrava funzionare bene, ma chi sono io per dire che questo è il metodo più adatto? Forse lo è? Sono incerta.

 

Ho esplorato anche PCA ei risultati sono più o meno coerenti con un solo metodo di clustering.

Ri: Raggruppamento di dati sugli aminoacidi - come scegliere un metodo appropriato

Prima di tutto, il clustering è un metodo di apprendimento non supervisionato. I cluster sono sconosciuti. I cluster vengono scoperti nei dati o proposti attraverso il metodo. Quindi, in senso stretto, il clustering non è uno strumento di classificazione. Spero che le tue aspettative siano realistiche, tutto qui.

 

In secondo luogo, JMP offre così tante scelte per il metodo di clustering che riflette il fatto che nessuna di esse lo è superiore . Uno statistico si riferirebbe a un metodo come "superiore" se fornisse sempre il miglior risultato. Ma qual è il miglior risultato? Il miglior risultato produce cluster omogenei che sono distinti l'uno dall'altro. I cluster omogenei hanno membri vicini tra loro. I cluster distinti non sono vicini l'uno all'altro. Molti dei metodi differiscono per la loro misura di distanza o somiglianza.

 

L'altra differenza tra i metodi di clustering ha a che fare con l'agglomerazione delle osservazioni in cluster.

 

Le caratteristiche dei dati possono anche determinare le prestazioni dei diversi metodi.

 

Quindi potresti voler visitare nuovamente il descrizioni dei metodi per vedere se uno di loro parla del tuo senso di somiglianza o del modo in cui agglomeresti le osservazioni in base alla tua conoscenza dei dati.

 

L'altro modo è empirico: provali tutti e seleziona quello che secondo te produce il miglior risultato.

Ri: Clustering dei dati sugli amminoacidi - come scegliere un metodo appropriatoCIAO,
Sembra che nessuno voglia dare una pugnalata alla tua domanda, quindi lasciami condividere la mia modesta opinione.
Innanzitutto, sarebbe utile capire il tuo obiettivo per questa analisi: vuoi visualizzare i dati e/o identificare la struttura intrinseca nei dati o qualcos'altro?
In secondo luogo, penso che potresti aspettarti troppo dagli algoritmi di clustering. Nella mia mente, il clustering di base è principalmente un metodo di visualizzazione per raggruppare gli elementi in base alle loro somiglianze; metodi diversi forniscono modi diversi per valutare e visualizzare le somiglianze. Di qui il diverso "aspetto" dei dendrogrammi a seconda delle diverse modalità.
In terzo luogo, se sei interessato a identificare un classificatore per i tuoi integratori in base alla composizione di amminoacidi, potresti voler esplorare le piattaforme Discriminante o Componente principale.
Da notare, non penso che la dimensione del set di dati influisca sulla qualità del clustering di per sé: più dati aggiungi, più complessa sarà la "ramificazione". Come minimo, sono necessari 3 elementi per eseguire un'analisi di clustering: potrebbe non fornire informazioni approfondite ma tecnicamente è tutto ciò di cui hai bisogno.
Migliore,
ST