×

SSLB公司

swMATH ID: 40225
软件作者: Gemma E.Moran。;罗奇科娃,维罗尼卡;爱德华一世乔治。
描述: 钉板拉索双聚类。双聚类方法同时对样本及其相关特征进行分组。这样,双聚类方法不同于传统的聚类方法,后者利用整个特征集来区分样本组。双聚类的动机应用包括基因组数据,其目标是根据患者的基因表达谱对患者或样本进行聚类;以及推荐系统,这些系统根据客户的产品偏好对客户进行分组。感兴趣的双聚类通常表现为数据矩阵的秩-1子矩阵。这个子矩阵检测问题可以看作是一个因子分析问题,其中因子和载荷都是稀疏的。本文提出了一种新的双聚类方法,称为Spike-and-Slab-Lasso双聚类(SSLB),该方法利用Ročková和George extit的Spike-nd-Slab-Lasso(J.Amer.Statist.Assoc.}113(2018)431-444)来找到数据矩阵的稀疏分解。在自动选择双集群数量之前,SSLB还集成了一个印度自助餐流程。许多双聚类方法都假设潜在双聚类的大小;要么假设两个星团的大小都相同,要么假设两个星团非常大或非常小。相反,SSLB可以适应寻找具有连续大小的双星团。SSLB是通过具有变步长的快速EM算法实现的。在各种模拟设置中,SSLB优于其他双聚类方法。我们将SSLB应用于微阵列数据集和单细胞RNA测序数据集,并强调SSLB可以恢复数据中具有生物学意义的结构。SSLB软件以R/C++包的形式提供,网址为{https://github.com/gemoran/SSLB}.
主页: https://github.com/gemoran/SSLB
源代码:  https://github.com/gemoran/SSLB
依赖项: R(右)
关键词: 贝叶斯;双聚类;因子分析;分层建模;尖头拉索;变量选择
相关软件: 格尔姆奈特;FABIA公司;clusterProfiler(群集探查器);块簇;GeneSrF公司;BicAT公司;双集群;ElemStatLearn(电子状态学习);乔托;童子军;空间实验;预防卒中;MBC手册;LBFGS-B型;生物导体;超级学习者;玻璃制品;格拉索;格林特网;COSA公司
引用于: 4文件

按年份列出的引文