HC3 Clustering

Question 1

Wat is clusteren?

Answer 1

Kijken of je groepen kan vinden in de gemeten data.

Question 2

Wat is classificatie?

Answer 2

Dit is het kunnen voorspellen van de een variabele die niet is gemeten.

Question 3

Wat is een clusteranalyse?

Answer 3

Dit is een diagram waarbij in de kolommen samples staan. En in de rijen staan de genen. De kolommen worden zo geplaatst op basis van een dendogram.

Question 4

Wat is een dendogram?

Answer 4

Een dendogram geeft een ordening van de data, de rijen die dicht bij elkaar staan lijken op elkaar.

Question 5

Wat is sample-space?

Answer 5

Bij sample space worden de genen afgebeeld met puntjes in een grafiek.

Sample-space is high dimensional!!

Question 6

Wat is gene-space?

Answer 6

Bij gene space worden worden de samples afgebeeld met puntjes in een grafiek.

Question 7

Wat is hierachical clustering

Answer 7

Deze vorm van clustering behoort tot de agglomeratieve cluster.

Hierachical clustering is een herhaling van steeds 2 dezelfde stappen.

Deze stappen zijn eerst het plaatsen van elk data punt zijn eigen cluster. Hierna zoekt het algormitme de twee clusters die het meest op elkaar lijken. Als je deze stappen blijft doorlopen krijg je een denodgram. De hoogte van de dendogram is de afstand tussen de samengevoegde clusters.

Question 8

Wat is Euclidean distance?

Answer 8

Hierbij bereken je de afstand tussen 2 clusters met behulp van de phytagoras.

Question 9

Wat is Pearson correlatie?

Answer 9

Je kijkt hierbij niet alleen naar de absolutie amplitude van de genen, maar kijkt ook of relatieve stijgingen overeen komen. Hierbij negeer je dus eigenlijk de amplitude.

Question 10

Wat is Mixed Pearson correlatie?

Answer 10

Je kijkt nu ook niet meer naar de richting van de stijgingen en dalingen. Een inverse wordt ook geclusterd met de niet inverse.

Question 11

Wat is single linkage (SL)?

Answer 11

Kijkt naar de kleinste afstand tussen 2 punten in verschillende clusters.

Question 12

Wat is complete linkage (CL)?

Answer 12

Kijkt naar de grootste afstand tussen 2 punten in verschillende clusters.

Question 13

Wat is average linkage (AL)?

Answer 13

Kijkt naar de gemiddelde afstand tussen de verschillende clusters.

Question 14

Wat is ward clustering?

Answer 14

Clustering waarbij de interne variatie binnen elk cluster zo klein mogelijk moet zijn.

Question 15

Wat is k-means clustering?

Answer 15

Hierbij cluster je op basis van de afstand van een prototype. Hierna bereken je het gemiddelde object binnen elke groep en vorm je hier een nieuw prototype. Dit blijf je doen tot dat er geen verandering meer is in de objecten.

Het kiezen van een eerste willekeurige prototypen is wel van belang aangezien dit tot verschillende resultaten kan leiden.

Question 16

Wat is en k-NN graph?

Answer 16

Een diagram welke elke node verbind met zijn k dichtstbijzijnde nodes.
Hiervan kan jeen een adjecency and weight matrices maken.

Question 17

Wat is cluster tendency?

Answer 17

Afvragen of de data die je hebt überhaupt wel te clusteren is. Dit kan je doen door random punten toe te voegen en te kijken of er veel verbindingen bestaan, die dus niks betekenen.

Question 18

Wat is cluster validility?

Answer 18

De kleinste ratio betekent waarschijnlijk de beste clustering.

Question 19

Wat is de Davis-Bouldin index?

Answer 19

Dit is een test welke gebruikt wordt bij cluster validility, De index is een maat voor de som waarin de varience kijkt naar de similarity tussen twee clusters.

Question 20

Wat is de Silhouette score?

Answer 20

Je kijkt bij elk datapunt in een cluster hoe goed deze past bij dit cluster.

s(i) = (b(i)-a(i))/max(a(i),b(i)).
a(i) -> de gemiddelde afstand tot alle andere datapunten in het cluster.
b(i) -> het dichtstbijzijnde datapunt van alle andere clusters.

Question 21

Wat is supervised learning?

Answer 21

Het leren van bepaald gedrag, met gebruik van eerdere beschikbare gegevens over verschillende groepen.

Question 22

Wat is unsupervised learing?

Answer 22

Het leren van structuur of relaties, zonder gebruik van beschikbare gegevens.