JMP 17.2 > 複雑なデータの次元削減と推定 > 手法JMPコミュニティの皆様、こんにちは。
様々な研究から得られた複雑な遺伝子発現データを扱っており、その本質的な複雑さを推定したいと考えています。そこで、私が関心のある種類の解析を可能にしてくれそうなRパッケージRdimtoolsを見つけました。具体的には、これらの解析の最終目標は、データセットの複雑さを捉えるための最適な次元数を定義することです。
私のニーズに対応できる JMP (ネイティブまたはアドイン) の方法をご存知ですか?
ありがとう。
よろしくお願いします、
TS
自動化とスクリプトデータの探索と可視化ウィンドウズRe: JMP 17.2 > 複雑なデータの次元削減と推定 > 手法こんにちは@ティエリー_S 、
Rdimtools のドキュメントをざっと読みましたが、膨大な数の手法が含まれていることが分かりました。JMP/JMP Pro の多変量解析プラットフォームでは、最も一般的な次元削減手法が利用できると思います。
- 主成分分析：変数間の相関または共分散に基づく線形次元削減手法。データは新しい座標系に線形変換され、方向（主成分）がデータ内の最大の変動を捉えます。
- 多変量埋め込み：データの局所的近傍構造と大域的構造の両方を考慮できる非線形次元削減手法。このプラットフォームでは、UMAP（Uniform Manifold approximation and Projection）法またはt-SNE法のいずれかを使用できます。
- 因子分析:観測変数をより少数の（観測不可能な）潜在変数または因子で記述しようとする線形次元削減手法。
他にも役立つ興味深いプラットフォームの使い方がいくつかあります:
- 階層的クラスタリングでは、 双方向クラスタリングを実現できます。これにより、行（他のクラスタリング手法と同様に観測値）だけでなく、列（変数）もクラスタリングできます。このプラットフォームでは、距離行列をエクスポートすることができ、これは多次元尺度法などの他のプラットフォームで使用できます。
- 私は遺伝学ツールを使用したことはありませんが、この作業プロジェクトの一部として遺伝子発現について言及されているので、専用のツールが役立つかもしれません。
この最初の回答がお役に立てれば幸いです。
Re: JMP 17.2 > 複雑なデータの次元削減と推定 > 手法JMP の多次元尺度法 (MDS) も忘れないでください。
複雑性と次元削減に関する知識をどのように活用する予定ですか？遺伝子グループの分類、サンプルグループの作成、予測、機能的関係性をさらに解釈するための遺伝子やサンプルの分類など。
次元削減の各手法には長所と短所があります。データの特定の種類の構造に適していたり、他の手法よりも構造の種類（またはデータで次に何が行われるか）を理解するのに役立つ手法があったりします。
