양방향 클러스터링 대 클러스터 변수데이터 세트 복잡성을 줄이기 위해 변수 클러스터링을 사용하는 것에 대해 몇 주 전에 Scott Allen으로부터 좋은 팁을 받았습니다. 매우 넓은 데이터 테이블이 있습니다: 16개의 행과 35,000개 이상의 열. 이상하게도 계층적 클러스터링 아래에서 "Fast Ward"를 사용하고 빨간색 삼각형 아래에서 "two-way"를 선택하면 양방향 클러스터링(행별 및 열별)이 몇 초 이내에 발생합니다. 그러나 "클러스터 변수"로 직접 이동하는 경우 각 클러스터 내에서 "가장 대표적인 열"을 찾는 옵션을 찾을 수 없습니다. 64GB RAM이 장착된 내 Mac의 클러스터 변수에 35,000개의 열을 모두 추가하면 완전히 가까워지지도 않습니다(3일 후 5-10%!). 내 질문은: 가장 대표적인 열을 제공하는 계층적 클러스터링의 Fast Ward 출력에서 데이터를 추출할 수 있습니까? 실제로 있을 수 있다고 생각합니다(예: 각 클러스터의 평균에 대한 원시 데이터 회귀). 그렇지 않다면 클러스터 변수 플랫폼에 "빠른" 알고리즘을 추가해 달라는 위시리스트 요청을 넣어야 할 수도 있습니다!
데이터 혼합 및 정리데이터 탐색 및 시각화맥 OSRe: 양방향 클러스터링 대 클러스터 변수이와 같은 위시리스트는 항상 좋은 생각입니다. 하지만 그때까지는...이것이 작동할지 확신이 서지 않습니다...클루지의 일종이며 내가 제안하는 것 뒤에 있는 수학이 유효한지 알 수 없습니다...하지만 각 클러스터의 하위 집합을 지정할 수 있습니까? 그런 다음 각 클러스터에서 PCA를 수행합니다. 그런 다음 고유값 파레토, 점수 및 로딩 플롯 사이에서 가장 대표적인 열로 가는 일종의 백도어를 사용할 수 있습니까? 여기에 있는 다른 사람들의 생각을 듣고 싶습니까?
Re: 양방향 클러스터링 대 클러스터 변수감사해요. 나는 당신이 뭔가에 있다고 생각하고 약 20-25,000 열 어딘가에 계산 "중단"이 있는 것으로 보인다는 것을 언급할 가치가 있습니다. 내 말은: 25,000개의 분석물(제공 또는 수용)로 24-36시간 내에 실행되지만(나에게 허용됨) 이 숫자를 훨씬 초과하면 중단됩니다. 따라서 예측자 또는 응답 화면(또는 열 뷰어)을 사용하여 변화가 없거나 거의 없는 샘플을 걸러내고 ~35,000개 열을 20-25,000개로 줄인 다음 "변수" 분석물로 실행할 수 있습니다. 그러나 나는 모든 분석 물질과 함께 PCA를 사용하는 것만으로도 효과적인 중복성을 느낄 수 있다고 생각합니다. 특히 이러한 많은 단백질이 서로 연관될 것입니다!
Re: 양방향 클러스터링 대 클러스터 변수제 생각에는 @P_Bartell 님의 제안이 좋습니다. 변수 클러스터링 접근 방식은 "뒤에서" PCA를 사용하고 있으며 고유값을 사용하여 가장 대표적인 변수를 결정하는 데 도움을 줍니다.
양방향 클러스터링에는 가장 대표적인 것을 결정하는 데 도움이 되는 고유값 또는 기타 기준이 없습니다. 따라서 양방향 클러스터링 후에 PCA를 사용하는 것은 변수 클러스터링에서 일어나는 일을 모방하는 방법이 될 것입니다.
Re: 양방향 클러스터링 대 클러스터 변수엄청난. 둘 다 감사합니다. 잠시 후에 여기에서 이것을 시도할 예정이지만 정확히 필요한 것을 제공해야 하는 것 같습니다.
