The Impact of Cluster Stability on Class Decomposition in Antibody Display Data

В статье рассмотрена проблема оценки результатов кластеризации. Мерой качества кластеризации здесь принята устойчивость или стабильность кластеризации - сопротивление изменениям. То есть, при небольшом изменении кластеризуемого набора данных в результатах кластеризации не должно быть значительных изменений. В этом случае несущественным изменением является устранение одной записи в основной выборке данных. Повторив процесс кластеризации 20 раз со следующими изменениями, получаются средние изменения (сколько записей процентуально изменили свою принадлежность исходному кластеру), которые также являются оценкой стабильности. Рассмотрен процесс кластеризации; мера стабильности проверена на выборках данных биоинформатики - микрочипов экспрессий генов или антител, особенность которых состоит в том, что их размерность очень высока - тысячи атрибутов, а количество записей относительно невелико - несколько сотен. Кластеризация используется, чтобы выполнить декомпозицию классов, то есть при поиске возможных вариантов заболевания (таких как лейкоз, миелоидный лейкоз и лимфолейкоз в лейкемии, и, возможно, в других рассмотренных заболеваниях подтипы до сих пор не обнаружены) с разными биомедицинскими проявлениями. Для определения подтипа заболевания кластеризация проводится в данных больных, предполагая, что кластеры - это типы заболеваний. Затем осуществляется классификация, различая здоровых и больных индивидов, с учетом внутренней структуры плотности класса, которая определяется подтипами заболеваний. Данные, использованные в экспериментах, включают данные антител рака желудка, кишечных воспалительных заболеваний и меланомы, данные экспрессии генов и антител рака молочной железы и рака простаты, и общие данные экспрессии генов карциномы. Результаты показывают, что существует отрицательная корреляция между стабильностью кластеров и увеличением точности классификации в результате декомпозиции классов, то есть, чтобы