[論文レビュー] Characterizing Discriminative Patterns

Gang Fang, Wen Wang+4 more|arXiv (Cornell University)|Feb 20, 2011

Data Mining Algorithms and Applications参考文献 42被引用数 11

ひとこと要約

本稿では、分類およびサブグループ発見の根幹をなす、判別的パターンの4種類の相互作用タイプ—ドライバー・パッセンジャー型、一貫型、独立加法型、および協同型—に分類する新規フレームワークを提案する。実データセットを分析した結果、標準的なパターンマイニングをはるかに超えて、生物学的・構造的洞察を明らかにした。すべてのT2–T4パターンが統計的に有意であることが示された（FDR < 0.01）。

ABSTRACT

Discriminative patterns are association patterns that occur with disproportionate frequency in some classes versus others, and have been studied under names such as emerging patterns and contrast sets. Such patterns have demonstrated considerable value for classification and subgroup discovery, but a detailed understanding of the types of interactions among items in a discriminative pattern is lacking. To address this issue, we propose to categorize discriminative patterns according to four types of item interaction: (i) driver-passenger, (ii) coherent, (iii) independent additive and (iv) synergistic beyond independent additive. Either of the last three is of practical importance, with the latter two representing a gain in the discriminative power of a pattern over its subsets. Synergistic patterns are most restrictive, but perhaps the most interesting since they capture a cooperative effect. For domains such as genetic research, differentiating among these types of patterns is critical since each yields very different biological interpretations. For general domains, the characterization provides a novel view of the nature of the discriminative patterns in a dataset, which yields insights beyond those provided by current approaches that focus mostly on pattern-based classification and subgroup discovery. This paper presents a comprehensive discussion that defines these four pattern types and investigates their properties and their relationship to one another. In addition, these ideas are explored for a variety of datasets (ten UCI datasets, one gene expression dataset and two genetic-variation datasets). The results demonstrate the existence, characteristics and statistical significance of the different types of patterns. They also illustrate how pattern characterization can provide novel insights into discriminative pattern mining and the discriminative structure of different datasets.

研究の動機と目的

• 判別的パターン内でのアイテムの相互作用の理解が不足している点を解消すること、特にそれらの共同判別力の観点から。
• アイテムの相互作用に基づいた判別的パターンの体系的分類を提供し、データマイニングにおけるより洗練された解釈を可能にすること。
• 異なる相互作用タイプが、特に遺伝学的およびバイオメディカルデータセットにおいて、異なる生物学的および分析的洞察をもたらすことを示すこと。
• パターンの特徴付けが、従来の分類およびサブグループ発見手法をはるかに超えて解釈可能性を向上させることを示すこと。
• UCI、遺伝子発現、遺伝変異データを含む多様なデータセットにおいて、各パターンタイプの統計的有意性と実用的妥当性を検証すること。

提案手法

• アイテムの相互作用に基づき、判別的パターンを4種類に分類するフレームワークを提案：(i) ドライバー・パッセンジャー型、(ii) 一貫型、(iii) 独立加法型、(iv) 独立加法型を超える協同型。
• 判別力の基本指標としてサポートの差（DiffSup）を用い、相互作用分析の基本指標として相互情報量を用いる。
• 多重仮説検定の制御のため、発見されたパターンの統計的有意性を評価するために偽発見率（FDR）補正を適用する。
• パターンの部分集合に対する相対的な判別力を評価するフレームワークを採用し、全体が部分の合計を上回るかどうかを同定する。
• UCIデータセット10個、遺伝子発現データセット1個、遺伝変異データセット2個を用い、分野をまたいでフレームワークの有効性を評価する。
• 無関心なパターンをフィルタリングするためのプルーニング戦略を導入し、候補数を削減するとともにFDR制御を改善する。

実験結果

リサーチクエスチョン

• RQ1 ドライバー・パッセンジャー型、一貫型、加法型、または協同型といった、異なる種類のアイテム相互作用が、パターンの判別力にどのように影響するか。
• RQ2 提案された相互作用タイプが、実世界のデータセットにおいて意味のある生物学的または構造的洞察をどれほど明らかにするか。
• RQ3 多重検定補正を施した後、特にT2–T4パターンが統計的に有意であるか。
• RQ4 特徴付けフレームワークが、標準的な判別的パターンマイニングおよび分類手法をはるかに超えて解釈可能性を向上させられるか。
• RQ5 異なる相互作用タイプが、判別力の強さおよび計算上の実行可能性の観点から、どのように相互に関連しているか。

主な発見

• すべてのT2–T4判別的パターンが、多重検定補正後も統計的に有意であり、FDR < 0.01であった。
• 協同型パターンは、最も制限的ではあるが、個々のアイテム貢献の合計を上回る協同効果を捉えており、特に洞察に富んでいる。
• ドライバー・パッセンジャー型パターンは、低サポートだが高判別力のアイテムと、非判別的で高サポートのアイテムが組み合わさった場合に観察された。
• 一貫型および加法型パターンは、それぞれ一貫的または段階的な判別力の増加を示し、アイテムが予測可能な方法で貢献していた。
• フレームワークにより、より大きなパターン（T2–T4）はまれであるが、高信号パターンのみを保持するように効果的にプルーニングされることが明らかになった。
• 結果から、パターン特徴付けが、特に遺伝子発現やSNP変異といったバイオメディカル分野において、データセット内に隠れた判別的構造を明らかにできる可能性があることが示唆された。