gowun / bladdercancer_amc Goto Github PK

목표: 15개의 기존 classifier의 성능 검증(및 가능하다면 줄일 것) 및 data-driven new classifier 개발

As Is

• Hierarchical Cluster Heatmap으로 한축은 케이스 간 링크, 다른 축은 Gene Symbol 간 링크로 관계 표현
• 장점: 보기 쉽고, 이해하기 쉬움
• 단점: pair 비교만 함, 값들의 분포를 고려하지 않고 유사한 값이냐 아니냐만 비교대상(물론, rankgauss를 했을 경우는 상관없을 수 있음), 값의 증감방향이 반대인 경우는 캐치하지 못함

To Be

• Multivariate 방법을 리서치할 필요가 있을 듯 (+ visualization Tool)
• 제안 방법 1: knn 이용
  1. Classifier 전체 Gene Symbol 데이터로 Decision Tree/Random Forest로 주요 Gene Symbol 추출 (전체 대비 성능이 유사하거나 높을 것)
  2. 주요변수로 KNN Classifier 학습: 케이스 간 거리 측정을 위해...
  3. (visualization tool?)로 도식화

데이터 활용

• 학습 데이터: 가장 양이 많은 Meta_datasets 중 80%
• 검증 데이터: Meta_datasets 중 20%, MDA_MVAC, MDA_DDMVAC, AMC

최종 Output

• Reduced Classifiers
• New Classifiers
• Given Classifier 별 Knn model
• New Classifier 별 Knn model
• knn model 별 학습/검증 데이터의 데이터 분포 상태

아래의 과정을 각 데이터 별로 거침

1. 한 데이터셋으로 이슈3에서 도출된 모든 classifiers로 학습
   • 대상 알고리즘 - logistic regression, decision tree, random forest, (앞서 도출된) knn
   • 데이터셋이 AMC인 경우, 추가로 아래의 실험으로 쪼개서 진행
     R1 vs. NR1, R1 vs. NR3, R1 vs. NR1 + NR3, R1 vs. NR1 + NR3 + MID2
2. 나머지 3개 데이터로 검증
3. auc, prauc 등의 모델 자체 퍼포먼스 측정
4. 학습 및 검증 데이터 간, R vs. R / NR vs. NR / R vs. NR 간 분포 차이가 얼마나 합리적인지 측정(t-test 활용)

최종 Output: 유효한 Modeling 방법 및 Classifier 선정