给定已知处理的聚类策略

Posted

技术标签:

【中文标题】给定已知处理的聚类策略【英文标题】:Clustering strategy given a known treatment 【发布时间】:2016-04-22 11:04:57 【问题描述】:

是否有策略在一个条件下对一个组内的共享属性进行聚类,知道该条件应该会激发两个组之间的差异?

一个具体的例子:假设 A 组有 4 个人,B 组也有 4 个人。A 组被引入 ***,其他人只剩下他们的钢铁意志。为每个人检查了 30 000 个基因。我们预计 A 组个体与 B 组相比应该相对无压力。因此,我们寻找可能在 B 组中高表达但在 A 组中低表达的基因簇。识别这组基因很有用,因为这些基因可以解释对压力的生物学反应。

但事实证明,这两组不是线性可分的——PCA 在 A 组和 B 组中显示出很大的差异。A 组中的一些个体与 B 组聚类。有些基因在组中被上调B,但 A 组中的一两个人也承受这种上调。是否有一种策略可以找到属性由 A 组中的所有个体一致共享的集群,并且该集群不同于 B 组中的所有个体,知道这两个组应该是不同。

【问题讨论】:

【参考方案1】:

这不是聚类分析。

你有两个:治疗和控制

并且您想识别有助于区分这两个类别的特征(基因)。

寻找有监督的特征选择方法,例如信息增益;并研究可解释的分类器,例如决策树和随机森林,它们将帮助您识别最具辨别力的基因。

【讨论】:

你能推荐更多可以使用的详细地块吗?谢谢

以上是关于给定已知处理的聚类策略的主要内容,如果未能解决你的问题,请参考以下文章

我在数据处理中常见的聚类算法

空间聚类算法简述

利用谱聚类算法解决非完全图的聚类

有关迭代大数据的聚类算法都在这里

Python中的聚类文本[关闭]

基于密度的聚类方法