1000 개의 동질적인 단백질 시퀀스에 대한 거리 매트릭스 인 데이터 집합이 있습니다.sklearn.AffinityPropagation을 사용하는 출력 레이블
나는 이것을위한 친화 행렬을 계산할 수 있었다. (쉬운 계산 : 1 - 거리, 나의 경우에는).
기본적으로 Excel에서 데이터를 본 경우 머리글 행이없고 첫 번째 열은 시퀀스 이름이며 다음 1000 열은 거리 값입니다.
sklearn의 Affinity Propagation 사이트에 제공된 코드를 수정했습니다. 이것은 지금 모습입니다 :
print __doc__
import numpy as np
from sklearn.cluster import AffinityPropagation
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
import csv
##############################################################################
f = open('ha-sequences-sample-distmat2.csv', 'rU')
csvreader = csv.reader(f)
sequence_names = []
distance_matrix = []
full_data = []
for row in csvreader:
# print row
sequence_names.append(row[0])
distance_matrix.append(row[1:])
full_data.append(row)
f.close()
distmat = np.array([row for row in distance_matrix]).astype(np.float)
# print distmat
affinity_matrix = np.array([1 - row for row in distmat]).astype(np.float)
full_matrix = zip(sequence_names, affinity_matrix)
# print affinity_matrix, sequence_names
##############################################################################
# Compute Affinity Propagation
af = AffinityPropagation(affinity='precomputed').fit(affinity_matrix)
cluster_centers_indices = af.cluster_centers_indices_
labels = af.labels_
n_clusters_ = len(cluster_centers_indices)
print 'Estimated number of clusters: %d' % n_clusters_
print "Homogeneity: %0.3f" % metrics.homogeneity_score(sequence_names, labels)
print "Completeness: %0.3f" % metrics.completeness_score(sequence_names, labels)
print "V-measure: %0.3f" % metrics.v_measure_score(sequence_names, labels)
print "Adjusted Rand Index: %0.3f" % \
metrics.adjusted_rand_score(sequence_names, labels)
print("Adjusted Mutual Information: %0.3f" %
metrics.adjusted_mutual_info_score(sequence_names, labels))
print("Silhouette Coefficient: %0.3f" %
metrics.silhouette_score(affinity_matrix, labels, metric='sqeuclidean'))
##############################################################################
# Plot result
import pylab as pl
from itertools import cycle
pl.close('all')
pl.figure(1)
pl.clf()
colors = cycle('bgrcmykbgrcmykbgrcmykbgrcmyk')
for k, col in zip(range(n_clusters_), colors):
class_members = labels == k
cluster_center = affinity_matrix[cluster_centers_indices[k]]
pl.plot(affinity_matrix[class_members, 0], affinity_matrix[class_members, 1], col + '.')
pl.plot(cluster_center[0], cluster_center[1], 'o', markerfacecolor=col,
markeredgecolor='k', markersize=14)
for x in affinity_matrix[class_members]:
pl.plot([cluster_center[0], x[0]], [cluster_center[1], x[1]], col)
pl.title('Estimated number of clusters: %d' % n_clusters_)
pl.show()
제가하는 데 문제는 이것이다 : 나는 각 클러스터에 해당하는 방법을 출력 시퀀스 이름을 알아낼 수 없습니다. 셸에 함께 클러스터 된 시퀀스를 출력하여 플롯에 클러스터 번호를 표시 할 수 있다면 좋겠지 만 플롯에 표시하지 않더라도 멋지 네요.
아무에게도이를 수행하는 방법을 알고 있습니까?
생물학을 묻는 것이 좋습니다 : http://www.biostars.org/ – Pierre
완전히 그것에 대해 알지 못했습니다. 피에르 감사합니다. – ericmjl
@ 피에르 : 관심 밖 (나는 sklearn 개발자 중 한 명이지만 생물 학자는 아니지만), 해당 사이트에서 사용자가 scikit-learn 사용자를 볼 수 있습니까? –