In diesem Modul setzen wir die Arbeit mit unseren Genomsequenzdaten fort und verwenden PCA, um Gruppen zu identifizieren und die wichtigsten Merkmale herauszufiltern. Nachdem wir die Anzahl der Dimensionen des Datensatzes reduziert haben, können wir mit K-means Cluster bilden und die verschiedenen Bereiche im 2D-Raum visualisieren.

In diesem Modul werden wir die Genomsequenzen mithilfe des K-Means-Algorithmus clustern. Wir werden die Anzahl der Cluster optimieren, indem wir die Silhouettenwerte über eine Vielzahl von Eingaben hinweg vergleichen, um den größten Abfall zu identifizieren. Schließlich bereiten wir uns darauf vor, im letzten Modul Vorhersage-Pipelines zu verwenden, um Bit-Scores und medikamentöse Therapien vorherzusagen.

In diesem Modul testen wir eine Reihe von Regressoren, um herauszufinden, welcher Regressor die Bisswerte für jede Genomsequenz am besten vorhersagt. Anschließend verwenden wir das von uns gewählte Modell, um die Genom-Pferde zu finden, die am engsten miteinander verwandt sind, und eine mögliche Teilsequenz ausfindig zu machen, die wir mit einem Kampfmittel bekämpfen können.