Öğrenme hedefleri
Bu haftanın sonunda:
- 1 k-means, hiyerarşik ve Gauss karışım modellerinin varsayımlarını ve hangi veri geometrisine uyduklarını açıklar.
- 2 Küme sayısını silhouette, gap istatistiği ve konsensüs/kararlılık analiziyle seçer; keyfî seçimden kaçınır.
- 3 Bulunan hasta alt-tiplerini klinik değişkenler ve sonlanımlarla (sağkalım, yanıt) dışsal olarak doğrular.
- 4 Isolation Forest ve yoğunluk-temelli yöntemlerle anomali tespiti yapar; anomaliyi hata mı, nadir fenotip mi diye ayırır.
Ders Notları
Ayrıntılı notlar ve türetimler ders yaklaştıkça buraya eklenecektir.
Temel Kavramlar
- Hasta alt-tiplendirme — Aynı tanı altındaki hastaların veri-güdümlü biçimde klinik olarak farklı gruplara ayrılması (ör. sepsis fenotipleri α–δ).
- Küme kararlılığı — Alt-örneklemeler veya farklı başlangıçlarda aynı kümelerin yeniden bulunması; kararsız küme yapay bulgudur.
- Dışsal doğrulama — Kümelemede kullanılmayan değişkenlerle (sonlanım, tedavi yanıtı) kümelerin anlamlılığını sınamak.
- Anomali — Çoğunluk dağılımından uzak gözlem; sensör hatası, veri giriş hatası veya gerçek nadir vaka olabilir.
Biyomedikal Uygulama Örnekleri
- Seymour ve ark. (JAMA 2019): 20.000+ sepsis hastasında dört klinik fenotip ve farklı mortalite profilleri.
- Holter EKG kayıtlarında Isolation Forest ile aritmik segment tespiti: anomali skoru ile kardiyolog etiketinin karşılaştırılması.
Uygulama / Laboratuvar
Etiketleri saklayarak Breast Cancer verisini k-means, hiyerarşik ve GMM ile kümeleyin; silhouette ve konsensüs matrisleriyle k seçin. Kümeleri saklanan etiket ve klinik değişkenlerle karşılaştırın. MIT-BIH’ten çıkarılan RR aralığı özniteliklerinde Isolation Forest ile anomali skoru üretip aritmi etiketleriyle ROC hesaplayın.
Tartışma Soruları
- k-means her zaman k küme bulur; bulduğu kümelerin gerçek olduğunu nasıl kanıtlarsınız?
- Anomali tespiti modeli tıbbi bir cihazda uyarı üretiyorsa yanlış alarm ile kaçırılan olay arasındaki dengeyi kim, nasıl belirler?
Haftanın Özeti
Etiketsiz veriden yapı çıkarmayı ve bulduğumuz yapıyı klinik olarak doğrulamayı öğrendik. Modül 2 tamamlandı.
Bu haftanın veri setleri
- UCI Wisconsin Breast Cancer (etiketler saklanarak) — Kümeleme sonuçlarının dışsal doğrulaması.
- PhysioNet MIT-BIH Arrhythmia — Anomali tespiti.
Araçlar ve kütüphaneler
- scikit-learn
- scipy
- umap-learn
Okuma listesi
Etiketler:kümelemek-meanshiyerarşikGMMalt-tiplemeanomali tespitiIsolation Forestsilhouette