@techreport{oai:ipsj.ixsq.nii.ac.jp:00218621,
 author = {田口, 善弘 and ターキー, ターキー},
 issue = {51},
 month = {Jun},
 note = {large p small n 問題は，デファクトスタンダードとなる手法が存在しない課題である．本研究では，テンソル分解に基づく教師なし学習による変数選択法を，サンプル数が 100 程度で特徴数が 10 万を超える典型的な large p small n 問題であるマルチオミックスデータセットに適用する．テンソル分解に基づく教師なし学習による変数選択法は，従来の教師あり特徴選択法であるランダムフォレスト，カテゴリ回帰（分散分析，ANOVA と等価），ペナルティ線形判別分析，および教師なし学習である多重非負行列分解，の 4 手法を合成データセットに適応した場合に，また，これらに主成分分析を用いた教師無し学習による変数選択法を加えた 5 手法をマルチオミックスデータセットに適用した場合に，それぞれそれらを越えた性能を示した．テンソル分解に基づく教師なし学習による変数選択法で選択された遺伝子は，測定された組織や転写因子と関連することが知られている遺伝子に富んでいた．テンソル分解に基づく教師なし学習による変数選択法は，優れた特徴選択法であるだけでなく，生物学的に信頼できる遺伝子を選択できる手法であることが実証された．本研究は，このように多様なマルチオミックス計測の統合にテンソル分解に基づく教師なし学習による変数選択法を適用することに成功した初めての研究であると言える．},
 title = {テンソル分解を用いた教師なし学習による変数選択法の前立腺がんマルチオミックスデータ解析への応用},
 year = {2022}
}