テスト性能の分散を考慮したロバストな判別器の選択基準

摘要

遺伝子発現量プロファイルに基づく判別問題では，従来クロスバリデーションによって複数の判別器の性能を評価し，その評価が最大となる判別器を選ぶことが行われてきた．しかし，発現量データのもつ高次元性と，それに比較して少ないサンプル数のため，クロスバリデーションによる性能評価の期待分散が大きく，得られた判別器の信頼性が低いという問題があった．本研究では，この間題を解決するため，クロスバー」デーションによるテスト性能の分散を考慮することで，悪い判別器が得られるリスクを回避してモデル選択を行うParametric Noise Bootstrap and Percentile（PNBP）法を提案する．PNBP法では，実際の発現量にノイズを加えることにより，人工的にデータセットを複数作成し，各データセットに対して判別器を構成することで，悪い判別器が得られるリスクを評価する．我々はPNBP法をマイクロアレイデータ対する典型的な判別手法であるWeighted－Voting（WV）法の遺伝子数選択問題に適用し，実際の発現量データを用いて実験を行った．PNBP法で得られた判別器は従来法に比べて多数の遺伝子を利用して判別を行う傾向が見られ　 その傾向はサンプル数が少ないときにより顕著であった．このことは，提案手法がデータ出現の偏りに起因した性能評価のばらつきに影響を受けにくく，リスク回避型のモデル選択基準として有効であることを示唆する．