Tôi chỉ đang cố gắng sao chép một yêu cầu được đưa ra trong bài báo sau, Tìm kiếm các chuỗi khối tương quan từ dữ liệu biểu hiện gen , đó là:
Dự 4. Nếu . sau đó chúng tôi có:
tôi. Nếu là một chiếc xe đạp hoàn hảo với mô hình phụ gia, thì X I J là một chiếc xe đạp hoàn hảo với sự tương quan trên các cột; ii. Nếu C J là một chiếc xe đạp hoàn hảo với mô hình phụ gia, thì X I J là một chiếc xe đạp hoàn hảo với sự tương quan trên các hàng; iii. Nếu cả R I và C J đều là những chiếc xe đạp hoàn hảo với mô hình phụ gia, thì X I J là một chiếc xe đạp tương quan hoàn hảo.
Những đề xuất này có thể dễ dàng được chứng minh ...
... nhưng tất nhiên, họ không chứng minh điều đó.
Tôi đang sử dụng một số ví dụ đơn giản trong bài báo cộng với mã cơ sở + mã R tùy chỉnh để xem liệu tôi có thể chứng minh Đề xuất này không.
corbic <- matrix(c(0,4,-4,2,2,-2,6,0,4,-8,16,-2,-2,10,-14,4), ncol=4)
(từ Bảng 1F)
một số mã tùy chỉnh để chuyển đổi dạng svd X = sang X = R C T như được mô tả trong bài báo:
svdToRC <- function(x, ignoreRank = FALSE, r = length(x$d), zerothresh=1e-9) {
#convert standard SVD decomposed matrices UEV' to RC' form
#x -> output of svd(M)
#r -> rank of matrix (defaults to length of singular values vector)
# but really is the number of non-zero singular values
#ignoreRank -> return the full decomposition (ignore zero singular values)
#zerothresh -> how small is zero?
R <- with(x, t(t(u) * sqrt(d)))
C <- with(x, t(t(v) * sqrt(d)))
if (!ignoreRank) {
ind <- which(x$d >= zerothresh)
} else {
ind <- 1:r
}
return(list(R=as.matrix(R[,ind]), C=as.matrix(C[,ind])))
}
áp dụng chức năng này cho tập dữ liệu:
> svdToRC(svd(corbic))
$R
[,1] [,2]
[1,] 0.8727254 -0.9497284
[2,] -2.5789775 -1.1784221
[3,] 4.3244283 -0.7210346
[4,] -0.8531261 -1.0640752
$C
[,1] [,2]
[1,] -1.092343 -1.0037767
[2,] 1.223860 -0.9812343
[3,] 3.540063 -0.9586919
[4,] -3.408546 -1.0263191
Trừ khi tôi bị ảo giác, ma trận này không phải là phụ gia, mặc dù corbic thể hiện mối tương quan hoàn hảo giữa các hàng và cột. Có vẻ lạ khi ví dụ họ cung cấp không thể hiện tài sản mà họ nói nên ... trừ khi tôi thiếu một loại bước chuyển đổi trước hoặc sau svd?
4iii
nói vậy P(R), P(C), additivity => P(X)
sao? (Tôi viết tắt là " Y
là một chiếc xe đạp hoàn hảo" như P(Y)
). Có vẻ như bạn đang đi theo một hướng khác, hy vọng rằng sự gây nghiện từ các điều kiện khác. Xin giải thích thêm.
4iii
không nói rằng nếu X
là một cách hoàn hảo tương quan bicluster sau đó R
và C
sẽ phụ. Hàm ý đi theo hướng khác. Bây giờ, tôi đồng ý rằng thật kỳ lạ khi ví dụ họ đưa ra dường như không có ý nghĩa gì với các định lý bên cạnh. Có lẽ có một số thông tin khác bạn có thể cung cấp? Có một số định lý khác đi theo hướng khác?