Microarray Gene Expression Analysis: A Selection Criterion for
Robust Classifiers
鈴木 郁美(0451067)
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，この問題を解決するため，クロスバリ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．