前言—双向聚类简介.ppt

例1: BicatYeast 例1: BicatYeast(Jaccard) 例1: BicatYeast(Jaccard) 上表显示五种双聚类算法的成对Jaccard 指数。 Jaccard 指数是两个双聚类结果相似性的评估，0代表完全不一致，1代表完全一致。我们可以看到五种算法找到的是非常不同的双聚类集，必要的预处理步骤不同可以部分解释这一现象，因为这些预处理步骤是为了使数据符合各算法的设想而进行的。另一个重要的方面，我们选择第一种算法以获得一个彼此间尽可能不同的算法集。这样，实践者就很容易尝试各种R语言双聚类的方法，然后选择一个效果最好的对给定数据集聚类。 例1: BicatYeast(Jaccard) 例1: BicatYeast(Jaccard) 例1: BicatYeast(Jaccard) 例2: Tourism Data 澳大利亚旅游业调查 ————伍伦贡大学（ University of Wollongong ）商学院的调查：假期活动的问题 1003人，56个问题区块（blocks） ，每个区块15个问题 使用两个区块样本（30个问题） 例2: Tourism Data 例2: Tourism Data 例2: Tourism Data 展望 用基准问题测试更加困难的情况下的算法 比较不同应用领域的算法 完善选择双聚类算法的准则 开发基于双聚类算法的模型 双聚类结果的统计学检验 * A Toolbox for Bicluster Analysis in R ——Sebastian Kaiser and Friedrich Leisch 前言 在过去的十年中，双向聚类方法在双向数据分析（two- way data analysis）的不同领域内越来越受欢迎。期刊上也发表了种类繁多的双向聚类算法和分析方法。 在本文中,我们介绍了R语言中 biclust程序包,其中包括了双向聚类算法集、双向数据（two way data）预处理方法，以及验证和可视化双向聚类结果的技术。 第一次,像R语言这样的一个平台提供了biclust程序包,在这个平台上，数据分析家们可以很容易地添加新的双向聚类算法并调整算法以适应他们特殊的需求。 前言—双向聚类简介 初始数据: 前言—双向聚类简介 目标： 发现行和列的子集合（subgroups），使集合内尽可能的相似，集合间尽可能的不同 前言—双向聚类简介 算法： 大多数双向聚类算法都是迭代的。在已发现n-1个双聚类的情况下，我们可以 忽略已发现的n-1个双聚类 删除已发现的双聚类的行和列 用随机值代替（mask）已发现的双聚类 biclust 程序包 该程序包主要的函数为 biclust(data,method=BCxxx(),number,...) data: 经过预处理的数据矩阵 method: 使用的算法函数(如CC算法的BCCC()函数) number: 发现双聚类的最大数 ... : 算法的附加参数 结果返回双聚类集中的一个对象 biclust 程序包—算法集 Bimax: 二元矩阵中1的集合 CC: 共同值（ Constant values ） Plaid : 共同行值或共同列值 Spectral : 共同连贯值（Coherent values ） Xmotifs : 连贯相关（Coherent correlation ） biclust 程序包—算法集：BCBimax() Bimax算法由Prelic等人 在2006年提出，找到二元矩阵中1的集合。 这个算法是迭代的: （1） 重排行和列以将1集中在矩阵的右上角 （2） 将矩阵分为两个子矩阵 若一个子矩阵中总是只有1，则返回该子矩阵。为了得到令人满意的结果，这种方法需要从不同的起点重复开始几次。 尽管这种算法是为双聚类验证而设计的，但它本身也可作为一种双聚类算法。 biclust 程序包—算法集：BCCC() CC算法采取了Cheng and Church (2000)的算法.适用于有共同值的矩阵，开始于经标准化或简单的标准化处理的校正矩阵（ adjusted matrix ） 设计者定义了一个分数 其中，aiJ是i行的平均值,aIj 是j列的平均值， aIJ 是整体的平均值。 如果子集合所得分数低于α水平高于整体数据δ分数（ δ-fraction of the whole data ），该子集合就称为一个双聚类。 biclust 程序包—算法集：BCCC() 该算法有三个主要的步骤： （1）去掉分数高于矩阵分数α倍的行和列 （2） 去掉分数最高的行和列 （3）添加行和列直到分数达到α水平 重复以上步骤直到得到双聚类的最大数或找不到双聚类。结果为固定的双聚