arrays - 模式匹配算法

Question

我试图找到一种算法来执行以下操作但没有成功:我有一堆数据，如下所示:

Type    geneA    geneB    geneC    ...    geneN
A       1        0        1               1
A       0        0        1               1
B       1        1        1               0
C       0        1        1               0
B       1        1        0               0
etc        

所以并非所有 A 都完全相同，并非所有 B 都完全相同，等等，但希望它们具有某种模式。数据最好不仅仅是 bool 值(因此将包含除 0 和 1 以外的数字)，但 bool 值可以作为开始。

我想做的是给一个人一个基因序列，找出他们是什么类型。例如我想输入“011...1”并被告知这个人很可能是 A 型。

这似乎是以前应该做的事情，但我似乎找不到任何现有算法来做到这一点(也许模式匹配是错误的关键词？)。

任何关于从哪里开始寻找这种事情或做这种事情的算法的帮助将不胜感激。

Answer 1

您可以将您的 gene* 二进制值合并到向量中:例如 1001...1, 001...1 等并执行 k-means clustering在他们。

例如，如果您先验知道您有三种类型A、B 和C，您可能会使用 k = 3 执行聚类。

一旦有了集群，就可以使用 silhouettes确定输入向量(例如、011...1)与三个已建立集群之一的匹配程度。