[논문 리뷰] D-GCCA: Decomposition-based Generalized Canonical Correlation Analysis for Multi-view High-dimensional Data

Hai Shu, Zhe Qu외 1명|PubMed|2020. 01. 09.

Functional Brain Connectivity Studies참고 문헌 31인용 수 5

한 줄 요약

이 논문은 다중 시각 고차원 데이터를 위한 새로운 분해 기반 일반화된 공통 상관 분석인 D-GCCA를 제안한다. 이 방법은 엄밀한 L2-공간 설정을 통해 공통 요인과 고유 요인을 분리하여 추정 일致성과 공통 변동성의 향상된 탐지가 보장되며, 효율적인 폐쇄형 계산과 변수 수준의 신호 분산 설명을 가능하게 하여 시뮬레이션과 실제 데이터에서 최신 기법들을 능가한다.

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.

연구 동기 및 목표

• 다중 시각 고차원 데이터에서 공통적이고 고유한 변동의 원인을 식별하는 데 도전하는 것.
• 유클리드 공간 대신 랜덤 변수의 L2 공간에 기반한 분해 설정을 통해 낮은 질량 행렬 복원에서 추정 일치성을 향상시키는 것.
• 기존 방법들이 종종 忽시하는 고유 요인에 대한 정규직교 조건을 도입하여 공통 잠재 요인의 탐지 능력을 향상시키는 것.
• 공통 또는 고유 성분에 의해 설명되는 변수 수준의 신호 분산에 대한 원리적인 측정치를 제공하여 특징 선택을 지원하는 것.
• 대규모 데이터에 적합한 폐쇄형 해를 가진 계산적으로 효율적인 방법을 개발하는 것.

제안 방법

• D-GCCA는 각 시각의 데이터 행렬을 세 구성요소로 분해한다: 저질량 공통원인 행렬(모든 시각에서 공유), 저질량 고유원인 행렬(각 시각별로 별도), 그리고 가감성 잡음 행렬.
• 이 방법은 랜덤 변수의 L2 공간에 기반한 분해를 설정하여 저질량 복원에 대해 엄밀한 이론적 일치성을 보장한다.
• 고유 잠재 요인에 정규직교 조건을 도입하여 공통 요인 추정에 간섭을 방지한다.
• 모든 구성요소에 대해 일致 추정량을 도출하며, 계산 효율성을 보장하는 폐쇄형 표현식을 제공한다.
• 공통 및 고유 요인에 의해 설명되는 변수 수준의 신호 분산을 계산하여 특징 선택을 안내한다.
• 공동 변수에서 공통 및 고유 성분을 명시적으로 분리함으로써 일반화된 공통 상관 분석을 일반화한다.

실험 결과

연구 질문

• RQ1 랜덤 변수의 L2 공간에서의 분해 기반 접근이 다중 시각 데이터에서 저질량 행렬 복원의 추정 일치성 향상에 기여하는가?
• RQ2 고유 잠재 요인에 정규직교 조건을 도입하면 기존 방법 대비 공통원인 변동성 탐지 능력이 향상되는가?
• RQ3 변수 수준에서 설명되는 신호 분산 비율이 다중 시각 데이터에서 영향력 있는 특징을 효과적으로 식별하는 데 사용될 수 있는가?
• RQ4 유한 표본에서 D-GCCA는 추정 정확성과 계산 확장성 측면에서 최신 기법들과 비교해 어떻게 성능을 발휘하는가?
• RQ5 D-GCCA의 폐쇄형 해가 대규모 다중 시각 데이터 세트에 대한 효율적 계산을 보장할 수 있는가?

주요 결과

• D-GCCA는 랜덤 변수의 L2 공간에 기반한 설정 덕분에 저질량 구성요소의 추정 일치성을 달성하여 이론적 신뢰성을 확보한다.
• 고유 요인에 대한 정규직교 조건 도입이 공통 잠재 원인의 탐지 능력을 크게 향상시켜 편향과 공통 변동성 손실을 감소시킨다.
• 폐쇄형 추정량을 제공하여 계산 효율성을 확보하며, 특히 대규모 데이터 응용에 유리하다.
• 변수 수준의 신호 분산 설명은 공통 또는 고유 요인에 의해 영향을 받는 특징를 식별하는 데 의미 있고 해석 가능한 메트릭을 제공한다.
• 시뮬레이션과 실제 데이터 사례를 통해 D-GCCA가 기존 최신 기법들보다 추정 정확성과 강건성 측면에서 뛰어나다는 것이 입증되었다.
• 논문은 저널 게재(JMLR, 2022)를 통해 실용성과 이론적 타당성이 확인되었다.