JMP 17.2 > 복소수 데이터 차원 축소 및 추정 > 방법안녕하세요 JMP 커뮤니티 여러분,
저는 여러 연구에서 얻은 복잡한 유전자 발현 데이터를 분석하고 있는데, 이 데이터의 본질적인 복잡성을 추정하고 싶습니다. 마침 R 패키지인 Rdimtools를 발견했는데, 제가 관심 있는 유형의 분석을 제공하는 것 같습니다. 구체적으로, 이러한 분석의 최종 목표는 데이터 세트의 복잡성을 포착하기 위한 최적의 차원 수를 정의하는 것입니다.
내 요구 사항을 충족할 수 있는 JMP의 방법(네이티브 또는 추가 기능)을 알고 계신가요?
감사합니다.
감사합니다,
티에스
자동화 및 스크립팅데이터 탐색 및 시각화윈도우Re: JMP 17.2 > 복소수 데이터 차원 축소 및 추정 > 방법안녕하세요 @티에리_S ,
Rdimtools에 포함된 메서드가 너무 많아서 관련 설명서를 간략하게 읽어봤습니다. 가장 일반적인 차원 축소 기법은 JMP/JMP Pro의 다변량 플랫폼을 통해 사용할 수 있다고 생각합니다.
- 주성분 : 변수 간 상관관계 또는 공분산을 기반으로 하는 선형 차원 축소 기법입니다. 데이터는 방향(주성분)이 데이터의 가장 큰 변동을 포착하도록 새로운 좌표계로 선형 변환됩니다.
- 다변량 임베딩 : 비선형 차원 축소 기법으로, 데이터의 지역적 이웃 구조와 전역적 구조를 모두 고려합니다. 이 플랫폼에서는 UMAP(Uniform Manifold Approximation and Projection) 또는 t-SNE 방법을 사용할 수 있습니다.
- 요인 분석 : 관찰된 변수를 더 적은 수의 (관찰할 수 없는) 잠재 변수 또는 요인을 통해 설명하는 선형 차원 축소 기술입니다.
또한, 여러분에게 도움이 될 수 있는 다른 플랫폼을 활용하는 흥미로운 방법도 있습니다.
- 계층적 클러스터링 에서는 양방향 클러스터링을 구현할 수 있으며, 이를 통해 행(관측값, 다른 클러스터링 기법과 동일)뿐만 아니라 열(변수)도 클러스터링할 수 있습니다. 이 플랫폼에서는 거리 행렬을 내보내어 다차원 스케일링 과 같은 다른 플랫폼에서 사용할 수 있습니다.
- 저는 유전학 도구를 사용한 적이 없지만, 이 작업 프로젝트의 일부로 유전자 발현을 언급하셨으니, 아마도 전용 도구가 도움이 될 수도 있을 것 같습니다.
이 첫 번째 답변이 도움이 되기를 바랍니다.
Re: JMP 17.2 > 복소수 데이터 차원 축소 및 추정 > 방법JMP의 다차원 스케일링(MDS)도 잊지 마세요.
복잡성과 축소된 차원에 대한 지식을 어떻게 활용할 계획인가요? 유전자 그룹 분류? 표본 그룹? 예측? 유전자 및/또는 표본 분류를 통해 가능한 기능적 관계를 더욱 심층적으로 해석하는 데 활용하시겠습니까?
각 차원 축소 방법에는 장단점이 있습니다. 어떤 방법은 데이터의 특정 구조 유형을 더 잘 파악하거나, 어떤 구조 유형(또는 다음에 데이터를 어떻게 처리할지)을 이해하는 데 다른 방법보다 더 유용합니다.
