アミノ酸データのクラスタリング - 適切な方法を選択する方法偶然、ソーシャルメディアで jmp の公開投稿のこのリンクを見つけ、専門家の観点から非常に興味をそそられました。幸いなことに、スクリプトを含むデータセットは jmp ファイルとしてダウンロードできました (この投稿の添付ファイルも参照)。データセットには、タンパク質サプリメントに含まれる一連のアミノ酸の濃度が含まれていますが、行数は 16 行しかありません。好奇心から、興味のある物質のアミノ酸データを追加し、利用可能なすべての方法 (Ward、平均、重心など) を使用してクラスター分析を繰り返しました。このトピックについては比較的初心者なので、結果が使用したクラスタリング方法に大きく依存していることに驚きました。場合によっては、結果が期待どおりでしたが、ほとんどの場合はそうではありませんでした。
特定のデータ セットに最適なクラスタリング方法をどのように決定すればよいか知りたいです。特定の方法がどの程度うまく機能するかを確認するために、検証用にデータ セットの一部を保持すればよいのでしょうか?
また、17 行のデータは意味のある分析を行うには少なすぎると言うのは妥当でしょうか? この種の分析に適した妥当なデータ量に関して、どこに制限を設ければよいでしょうか?
消費者および市場調査Re: アミノ酸データのクラスタリング - 適切な方法の選択方法ありがとう - いつものように、マークを非常に明確に説明してください！ 私は今、自分の期待を調整することができ、マーケティング チームも同じことをしてくれることを願っています。Re: アミノ酸データのクラスタリング - 適切な方法の選択方法ありがとう、これが私が達成したかったこと、アミノ酸組成に基づいてさまざまな種類のタンパク質間の類似性を視覚化することです。 (そして正直に言うと、私は jmp 統計学者による最初の投稿の指示に従っていただけです。 おそらく彼は、目標が何であるかを説明するのが上手です。つまり、私の元の投稿のリンクを参照してください。)
私は、それぞれの離れた測定や方法が実質的に異なる方法でタンパク質をクラスター化することにただただ驚いています。 私自身を安心させるために、次を使用してクラスタリングのチュートリアルを実行しました。このデータセットは 3 種類の小麦粒についてのものです。 チュートリアルだったので、データセット内の穀物ラベルと一致する結果が得られると期待していましたが、それは単なる希望的観測でした。 Warden の方法はうまくいくように見えましたが、これが最も適切な方法であると誰が言えるでしょうか? もしかしたらそうですか？ わかりません。
PCA によっても調査しましたが、結果は 1 つのクラスタリング手法のみで多かれ少なかれ一貫しています。
Re: アミノ酸データのクラスタリング - 適切な方法の選択方法まず、クラスタリングは教師なし学習手法です。 クラスターは不明です。 クラスターはデータ内で発見されるか、メソッドを通じて提案されます。 したがって、厳密に言えば、クラスタリングは分類ツールではありません。 あなたの期待が現実的であることを願っています、それだけです。
第二に、JMP にはクラスタリング手法の選択肢が非常に多くあり、そのどれもが適切ではないという事実を反映しています。上長。 統計学者は、常に最良の結果が得られる方法を「優れた」と呼びます。 しかし、最良の結果とは何でしょうか？ 最良の結果では、互いに異なる均一なクラスターが生成されます。 同種クラスターには、互いに近いメンバーが含まれます。 個別のクラスターは互いに近接していません。 メソッドの多くは、距離や類似性の尺度によって異なります。
クラスタリング手法間のもう 1 つの違いは、観測値のクラスタへの凝集に関係します。
データの特徴によって、さまざまなメソッドのパフォーマンスが決まることもあります。
したがって、もう一度アクセスしてみるとよいでしょう。メソッドの説明そのうちの 1 つが、あなたの類似性の感覚、またはデータの知識に基づいて観察を集約する方法を物語っているかどうかを確認します。
もう 1 つは経験に基づく方法です。すべてを試して、自分の意見で最良の結果が得られるものを選択します。
Re: アミノ酸データのクラスタリング - 適切な方法の選択方法やあ、
誰もあなたの質問に突っ込みたくないようですので、私の謙虚な意見を共有させてください。
まず、この分析の目標を理解することが役に立ちます。データを視覚化したいのか、データに固有の構造を特定したいのか、あるいはそれ以外の何かがしたいのか、あるいはその両方でしょうか。
次に、クラスタリング アルゴリズムに過大な期待を抱いている可能性があります。 私の考えでは、基本的なクラスタリングは主に、類似性に基づいて項目をグループ化する視覚化手法です。異なる方法では、類似性を評価および表示するための異なる方法が提供されます。 したがって、異なる方法に応じて樹状図の「見た目」も異なります。
第三に、アミノ酸組成に基づいてサプリメントの分類子を特定することに興味がある場合は、Discriminant プラットフォームまたは Principal Component プラットフォームを検討してください。
注目すべきことに、データセットのサイズがクラスタリング自体の品質に影響するとは思いません。追加するデータが増えるほど、より複雑な「分岐」が得られます。 クラスタリング分析を実行するには、少なくとも 3 つの項目が必要です。深い洞察は得られないかもしれませんが、技術的に必要なのはこれだけです。
一番、
TS
