對(duì)大數(shù)據(jù)集而言，實(shí)現(xiàn)數(shù)據(jù)集的準(zhǔn)確分類(lèi)已成了一個(gè)特別重要的議題。Kohonene包作為一個(gè)優(yōu)秀的用于SOM分析的包，除了提供用于可以建立SOM模型的函數(shù)外，也提供了許多將SOM分類(lèi)結(jié)果進(jìn)行可視化的函數(shù)。因此，本文將沿著上一篇推文的內(nèi)容（kohonen包的函數(shù)、安裝以及所采用的SOM分析原理）繼續(xù)介紹如何使用該包實(shí)現(xiàn)對(duì)數(shù)據(jù)進(jìn)行SOM模型建立和對(duì)新數(shù)據(jù)進(jìn)行預(yù)測(cè)。

1?數(shù)據(jù)分析

1.1 som函數(shù)

上一篇推文中已經(jīng)介紹了使用kohonen包進(jìn)行SOM分析的三個(gè)函數(shù)，這里就簡(jiǎn)單介紹了何種數(shù)據(jù)格式可以用于kohonen包的分析。

第一，加載相應(yīng)的包（Rcpp包用于歐式距離的計(jì)算）。

第二，加載wines數(shù)據(jù)，設(shè)置好隨機(jī)數(shù)種子（方便重現(xiàn)數(shù)據(jù)），并調(diào)用som函數(shù)對(duì)標(biāo)準(zhǔn)化后的wines數(shù)據(jù)進(jìn)行SOM模型的建立。

通過(guò)str函數(shù)，讀者可以了解到wines的數(shù)據(jù)是二維的，為177*13的二維矩陣。對(duì)于建立好的SOM模型進(jìn)行總結(jié)（summary函數(shù)），讀者可以發(fā)現(xiàn)訓(xùn)練的layer層僅為1，距離的算法是平方和計(jì)算，所有樣本與地圖中最近的單位的平均距離為3.586。而為進(jìn)一步深挖各個(gè)元素在模型中的分類(lèi)結(jié)果，讀者可以通過(guò)調(diào)用模型即som.wines對(duì)象的unit.classif和distances屬性分為獲得各個(gè)樣本所歸屬的神經(jīng)元與各個(gè)樣本與其獲勝單元的距離。

1.2 xyf函數(shù)

從下面的代碼中我們可以看出，nir是包括四個(gè)list的數(shù)據(jù)集。其中一個(gè)數(shù)據(jù)集（training）用于指明哪些元素是用于訓(xùn)練SOM模型。在本段代碼中，通過(guò)將nir的spectra列表和composition列表中用于訓(xùn)練的元素（兩個(gè)數(shù)據(jù)集元素呈一一對(duì)應(yīng)的關(guān)系）分別分配到X和Y兩個(gè)對(duì)象中，從而進(jìn)行SOM訓(xùn)練。

通過(guò)str函數(shù)，讀者可以了解到nir的數(shù)據(jù)是四維的，分別包含95個(gè)元素。對(duì)于建立好的SOM模型進(jìn)行總結(jié)（summary函數(shù)），讀者可以發(fā)現(xiàn)訓(xùn)練的layer層僅為2，距離的算法是平方和計(jì)算，所有樣本與地圖中最近的單位的平均距離為0。與som函數(shù)一致，讀者可以通過(guò)調(diào)用模型即nirnet的unit.classif和distances屬性分為獲得各個(gè)樣本所歸屬的神經(jīng)元與各個(gè)樣本與其獲勝單元的距離。

1.3 supersom函數(shù)

通過(guò)下面代碼，我們發(fā)現(xiàn)yeast是包含七個(gè)集合的數(shù)據(jù)集，每個(gè)集合包含800個(gè)元素。而在本段代碼中，所有集合都被用于訓(xùn)練SOM模型。

接下來(lái)，我們開(kāi)始建立SOM模型。對(duì)于SOM模型的總結(jié)（summary函數(shù)）可以看出，我們的訓(xùn)練層為兩層，計(jì)算聚類(lèi)的算法是平方和（七個(gè)），tanimoto相關(guān)系數(shù)用來(lái)衡量?jī)蓚€(gè)集合的相關(guān)性，與地圖中與地圖中最近的單位的平均距離為2.196。進(jìn)一步深挖各個(gè)元素在模型中的分類(lèi)結(jié)果，我們可以通過(guò)unit.classif和distances進(jìn)行展示。其中unit.classif展示的是各個(gè)樣本所歸屬的簇，而distances展示的是各個(gè)樣本與其獲勝單元的距離。

通過(guò)str函數(shù)，讀者可以了解到y(tǒng)east的數(shù)據(jù)是四維的，分別包含800個(gè)元素。對(duì)于建立好的SOM模型進(jìn)行總結(jié)（summary函數(shù)），讀者可以發(fā)現(xiàn)訓(xùn)練的layer層僅為7個(gè)，距離的算法是平方和計(jì)算，所有樣本與地圖中最近的單位的平均距離為2.195。與som函數(shù)一致，讀者可以通過(guò)調(diào)用模型即yeast.supersom的unit.classif和distances屬性分為獲得各個(gè)樣本所歸屬的神經(jīng)元與各個(gè)樣本與其獲勝單元的距離。

2?新數(shù)據(jù)預(yù)測(cè)

對(duì)于許多數(shù)據(jù)研究人員而言，模型的建立是為了實(shí)現(xiàn)對(duì)新數(shù)據(jù)的預(yù)測(cè)。對(duì)于kohonen包而言，SOM模型建立之后，人們就可以在這個(gè)模型的基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。如下面的代碼所示：

預(yù)測(cè)的結(jié)果我們通過(guò)som_wines_prediction$unit.classif的數(shù)據(jù)進(jìn)行展現(xiàn)

3?小結(jié)

結(jié)合上一篇推文，我們通過(guò)原理介紹和代碼應(yīng)用兩個(gè)環(huán)節(jié)對(duì)SOM模型進(jìn)行初步的解釋。但是，SOM模型建立和新數(shù)據(jù)的預(yù)測(cè)只是論文的第一步，如何將建立的模型進(jìn)行可視化則是下一篇推文中重點(diǎn)需要介紹的。

三 慣例小結(jié)

具體的前后兩篇內(nèi)容可見(jiàn)官方WX號(hào)。

本公眾號(hào)開(kāi)發(fā)的相關(guān)軟件，Multi-omics Hammer軟件和Multi-omics Visual軟件歡迎大家使用。文末是本公眾號(hào)在其他平臺(tái)的賬戶，也歡迎大家關(guān)注并多提意見(jiàn)。

簡(jiǎn)書(shū)：WJ的生信小院

公眾號(hào)：生信小院

博客園：生信小院

最后，也歡迎各位大佬能夠在本平臺(tái)上：1傳播和講解自己發(fā)表的論文；2：發(fā)表對(duì)某一科研領(lǐng)域的看法；3：想要達(dá)成的合作或者相應(yīng)的招聘信息；4：展示自己以尋找博后工作或者博士就讀的機(jī)會(huì);5:博導(dǎo)提供博后工作或者博士攻讀機(jī)會(huì)，都可以后臺(tái)給筆者留言。希望本平臺(tái)在進(jìn)行生信知識(shí)分享的同時(shí)，能夠成為生信分析者的交流平臺(tái)，能夠?qū)崿F(xiàn)相應(yīng)的利益互補(bǔ)和雙贏（不一定能實(shí)現(xiàn)，但是夢(mèng)想總得是有的吧）。

另外，怎么說(shuō)呢，投。。。。。。幣也可，不強(qiáng)求，但奢求?