Сравнительный анализ алгоритмов снижения размерности данных для исследования экспрессии генов

Abstract

Работа посвящена сравнительному анализу алгоритмов снижения размерности данных, таких как методы главных и независимых компонент, cтохастического вложения соседей с t-распределением, равномерного приближения и проекции, многомерного шкалирования, неотрицательной матрицы факторизации, с целью классификации групп пациентов на основе данных об экспрессии генов. Сравнительный анализ реализованных методов выполнен на смоделированных наборах данных, представляющих кластеры различной сложности. Наилучшими алгоритмами являются методы cтохастического вложения соседей с t-распределением и равномерного приближения и проекции, позволяющие наиболее эффективно осуществить классификацию пациентов. В методе cтохастического вложения соседей с t-распределением среднее отношение кластерных расстояний составляет 17,71, в методе равномерного приближения и проекции – 12,50. Среднее время работы метода cтохастического вложения соседей с t-распределением составляет 12,7 с, метода равномерного приближения и проекции – 1,3 с.