[論文レビュー] D-GCCA: Decomposition-based Generalized Canonical Correlation Analysis for Multi-view High-dimensional Data

Hai Shu, Zhe Qu+1 more|PubMed|Jan 9, 2020

Functional Brain Connectivity Studies参考文献 31被引用数 5

ひとこと要約

本稿では、多視点の高次元データに対して共通および特徴的な潜在要因を厳密なL2空間の定式化で分離する、新たな分解ベースの一般化型共通コアラレーション分析（D-GCCA）を提案する。これにより推定の一貫性が保証され、直交性を強制することで共有変動の検出が向上する。この手法は効率的で閉形式の計算が可能であり、特徴選択のための変数レベルの信号分散説明も可能で、シミュレーションおよび実データにおいて最先端の手法を上回る性能を示す。

ABSTRACT

Modern biomedical studies often collect multi-view data, that is, multiple types of data measured on the same set of objects. A popular model in high-dimensional multi-view data analysis is to decompose each view's data matrix into a low-rank common-source matrix generated by latent factors common across all data views, a low-rank distinctive-source matrix corresponding to each view, and an additive noise matrix. We propose a novel decomposition method for this model, called decomposition-based generalized canonical correlation analysis (D-GCCA). The D-GCCA rigorously defines the decomposition on the <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"> <mml:mrow><mml:msup><mml:mi>L</mml:mi> <mml:mn>2</mml:mn></mml:msup> </mml:mrow> </mml:math> space of random variables in contrast to the Euclidean dot product space used by most existing methods, thereby being able to provide the estimation consistency for the low-rank matrix recovery. Moreover, to well calibrate common latent factors, we impose a desirable orthogonality constraint on distinctive latent factors. Existing methods, however, inadequately consider such orthogonality and may thus suffer from substantial loss of undetected common-source variation. Our D-GCCA takes one step further than generalized canonical correlation analysis by separating common and distinctive components among canonical variables, while enjoying an appealing interpretation from the perspective of principal component analysis. Furthermore, we propose to use the variable-level proportion of signal variance explained by common or distinctive latent factors for selecting the variables most influenced. Consistent estimators of our D-GCCA method are established with good finite-sample numerical performance, and have closed-form expressions leading to efficient computation especially for large-scale data. The superiority of D-GCCA over state-of-the-art methods is also corroborated in simulations and real-world data examples.

研究の動機と目的

• 多視点の高次元データにおける共通および特徴的な変動源を同定する課題に対処すること。
• ユークリッド空間ではなく確率変数のL2空間に定式化することで、低ランク行列回復における推定の一貫性を向上させること。
• 特徴的要因に直交性を課すことにより、共通潜在要因の検出を向上させること。これは、従来の手法がしばしば無視する点である。
• 共通または特徴的成分によって説明される信号分散の、変数レベルの原理的測度を提供し、特徴選択を支援すること。
• 大規模データに適した閉形式解を備えた計算効率の高い手法を開発すること。

提案手法

• D-GCCAは、各視点のデータ行列を3つの成分に分解する：低ランクの共通要因行列（複数の視点に共通）、低ランクの特徴的要因行列（各視点ごと）、および加法的ノイズ行列。
• この手法は確率変数のL2空間に定式化され、低ランク回復における理論的整合性を厳密に保証する。
• 特徴的潜在要因に直交性制約を課すことにより、共通要因推定への干渉を防止する。
• すべての成分の一貫した推定器が導出され、計算効率を保証する閉形式の表現を有する。
• 共通および特徴的要因による変数レベルの信号分散説明が計算され、特徴選択を支援する。
• 共通および特徴的成分を明示的に分離する点で、一般化型共通コアラレーション分析を一般化する。

実験結果

リサーチクエスチョン

• RQ1 確率変数のL2空間における分解ベースのアプローチは、多視点データにおける低ランク行列回復の推定の一貫性を向上させるか？
• RQ2 特徴的潜在要因に直交性を課すことにより、従来の手法と比較して共通要因変動の検出が向上するか？
• RQ3 変数レベルでの信号分散説明割合を効果的に活用して、多視点データにおける影響力のある特徴を同定できるか？
• RQ4 有限標本における推定精度と計算スケーラビリティの観点から、D-GCCAは最先端の手法と比較してどのように性能を発揮するか？
• RQ5 D-GCCAの閉形式解は、大規模な多視点データセットにおける効率的な計算を保証できるか？

主な発見

• D-GCCAは確率変数のL2空間に定式化されているため、低ランク成分の推定が一貫的であり、理論的信頼性が保証される。
• 特徴的要因に直交性を強制することで、共通潜在要因の検出が顕著に向上し、バイアスの低減と共有変動の損失の防止が達成される。
• 閉形式推定器が提供されるため、計算が効率的であり、特に大規模データ応用において顕著な利点を有する。
• 変数レベルの信号分散説明は、共通要因または特徴的要因に最も影響を受ける特徴を同定する上で意味的で解釈可能な指標を提供する。
• シミュレーションおよび実データの例から、D-GCCAが推定精度と頑健性の両面で、既存の最先端手法を上回ることが示された。
• 本手法はジャーナル論文（JMLR, 2022）で妥当性が確認されており、実用的かつ理論的にも妥当であることが裏付けられている。