[논문 리뷰] Algorithms for Internal Validation Clustering Measures in the Post Genomic Era

Filippo Utro|arXiv (Cornell University)|2011. 02. 14.

Gene expression and cancer classification참고 문헌 151인용 수 5

한 줄 요약

이 논문은 마이크로어레이 데이터 분석에서 안정성 기반 지표를 강조하는 내부 검증 클러스터링 측정 방법을 위한 새로운 알고리즘 프레임워크를 제안한다. 빠른 근사 알고리즘을 도입하여 가장 빠른 측정 방법과 가장 정확한 측정 방법 사이의 시간 격차를 기존의 두 개에서 한 개의 주기로 줄여 효율성을 크게 향상시키면서도 예측 정확도를 손상시키지 않으며, 마이크로어레이 클러스터링에서 비음수 행렬 분해(NMF)에 대한 첫 번째 벤치마크를 제공한다.

ABSTRACT

Inferring cluster structure in microarray datasets is a fundamental task for the -omic sciences. A fundamental question in Statistics, Data Analysis and Classification, is the prediction of the number of clusters in a dataset, usually established via internal validation measures. Despite the wealth of internal measures available in the literature, new ones have been recently proposed, some of them specifically for microarray data. In this dissertation, a study of internal validation measures is given, paying particular attention to the stability based ones. Indeed, this class of measures is particularly prominent and promising in order to have a reliable estimate the number of clusters in a dataset. For those measures, a new general algorithmic paradigm is proposed here that highlights the richness of measures in this class and accounts for the ones already available in the literature. Moreover, some of the most representative validation measures are also considered. Experiments on 12 benchmark datasets are performed in order to assess both the intrinsic ability of a measure to predict the correct number of clusters in a dataset and its merit relative to the other measures. The main result is a hierarchy of internal validation measures in terms of precision and speed, highlighting some of their merits and limitations not reported before in the literature. This hierarchy shows that the faster the measure, the less accurate it is. In order to reduce the time performance gap between the fastest and the most precise measures, the technique of designing fast approximation algorithms is systematically applied. The end result is a speed-up of many of the measures studied here that brings the gap between the fastest and the most precise within one order of magnitude in time, with no degradation in their prediction power. Prior to this work, the time gap was at least two orders of magnitude.

연구 동기 및 목표

• 마이크로어레이 데이터에서 안정성 기반 내부 검증 측정 방법을 위한 일반적인 알고리즘 프레임워크를 개발하는 것.
• 가장 빠른 내부 검증 측정 방법과 가장 정확한 방법 사이의 계산 시간 격차를 줄이는 것.
• 마이크로어레이 데이터셋에서 비음수 행렬 분해(NMF)를 클러스터링 알고리즘으로서 처음으로 벤치마크하는 것.
• 다양한 클러스터링 알고리즘과 데이터셋에서 내부 검증 측정 방법의 정밀도와 속도를 평가하는 것.
• 정확도와 계산 효율성의 상호 보완 관계를 기반으로 한 검증 측정 방법의 계층 구조를 제공하는 것.

제안 방법

• 안정성 기반 내부 검증 측정 방법을 위한 일반적인 알고리즘 프레임워크를 제안하여 체계적인 분석과 최적화를 가능하게 한다.
• 빠른 근사 알고리즘을 적용하여 내부 검증 지표, 특히 안정성 기반 지표의 계산 속도를 가속화한다.
• 클러스터 안정성 평가를 위해 표본 추출 및 노이즈 주입을 데이터 변형 기법으로 활용한다.
• 계층적 클러스터링과 K-평균 클러스터링을 기반 알고리즘으로 활용하여 다양한 클러스터링 행동에서 검증 측정 방법을 평가한다.
• 12개의 벤치마크 마이크로어레이 데이터셋을 대상으로 광범위한 실험을 수행하여 검증 측정 방법의 정밀도와 속도를 비교한다.
• 마이크로어레이 데이터 맥락에서 비음수 행렬 분해(NMF)를 클러스터링 알고리즘으로 도입하고, 성능과 계산 요구량을 평가한다.

실험 결과

연구 질문

• RQ1 예측 정확도를 훼손시키지 않으면서 내부 검증 측정 방법의 계산 효율성을 어떻게 향상시킬 수 있는가?
• RQ2 정밀도와 속도 측면에서 안정성 기반 검증 측정 방법이 다른 내부 지표에 비해 상대적으로 어떻게 성능을 발휘하는가?
• RQ3 伝통적인 방법과 비교할 때 비음수 행렬 분해(NMF)는 마이크로어레이 데이터셋에서 클러스터링 알고리즘으로서 어떻게 성능을 발휘하는가?
• RQ4 다양한 내부 검증 측정 방법 간에 속도와 정확도의 상호 보완 관계는 어떠한가?
• RQ5 빠른 근사 알고리즘이 가장 빠른 측정 방법과 가장 정확한 측정 방법 사이의 시간 격차를 효과적으로 좁힐 수 있는가?

주요 결과

• 정밀도와 속도를 기반으로 한 내부 검증 측정 방법의 계층을 확립하여, 더 빠른 측정 방법일수록 일관되게 정확도가 낮다는 것을 규명하였다.
• 빠른 근사 알고리즘을 통해 가장 빠른 측정 방법과 가장 정확한 측정 방법 사이의 시간 격차를 기존의 두 개에서 한 개의 주기로 감소시켰다.
• 제안된 근사 기법은 계산 속도를 크게 향상시키면서도 예측 능력을 유지하여 고정확도 측정 방법을 더 실용적으로 만들었다.
• 마이크로어레이 클러스터링에서 비음수 행렬 분해(NMF)에 대한 첫 번째 벤치마크를 제공하여 고비용의 계산 요구량과 잠재적 유용성을 드러냈다.
• 안정성 기반 측정 방법은 효율적인 알고리즘과 함께 정확한 클러스터 수 예측에 강력한 예측 능력을 보였다.
• 결과적으로 알고리즘 최적화를 통해 내부 검증에서 정확도와 효율성을 효과적으로 균형 잡을 수 있으며, 이는 대규모 유전체 데이터 분석 분야에서의 광범위한 적용 가능성을 시사한다.