Постановка задачи двуклассового распознавания 1.Описание объекта. Пространство признаков. 2.Обучающее множество. Truth информация. 3.Решающее правило. - презентация

1 Постановка задачи двуклассового распознавания 1.Описание объекта. Пространство признаков. 2.Обучающее множество. Truth информация. 3.Решающее правило. Выход решающего правила. Примеры решающих правил: линейное правило, ближайший сосед. 4.Ошибка решающего правила. Веса ошибок. 5.Формальная постановка задачи распознавания. Распознаватель – это множество решающих правил + критерий ошибки. Обучение – выбор правила с наилучшим (на обучающем множестве) значением критерия.

2 I. Зачем нужно обучение? 1.Ошибка на обучающем множестве. Ошибка на тестовом множестве. 2.Цель распознавания – уменьшить ошибку на тестовом множестве. Обобщение. Вероятностные утверждения об ошибке. 3.Основная гипотеза индуктивного обучения: если сложность множества решающих правил не велика, то с высокой вероятностью ошибка на обучающем множестве будет мало отличаться от ошибки на тестовом множестве. 4.Оказывается, что можно определять меры сложности C множества решающих правил так, чтобы доказывать неравенства типа P(| Err test -Err train | > d) < f(C,n,d), где f0 при n, стремящемся к бесконечности.

3 II. Зачем нужно обучение? ` 1.С заданной вероятностью можно написать, что Err test < Err train + f(C, n). К сожалению, уменьшив Err train с помощью построения более сложных правил, мы увеличиваем С и f(C, n). 2. Чем больше мы знаем об истинном правиле, тем более простое множество правил, обеспечивающее малую ошибку, можно построить.

4 Распознаватель «Кора». 1.Пространство признаков – логические утверждения. Симптомы. 3 значения синдрома. 2.Множество решающих правил – конъюнкции – синдромы. 3.Отбор синдромов по частотам. Экзамен – голосование. Возможное усложнение – веса. 4.Естественная мера сложности – количество оцениваемых синдромов + количество отобранных синдромов.

5 I. Что можно надежно утверждать об экспрессии генов? 1.Резко выраженная дифференциальная экспрессия. Мы видели, что после нормализации и сложной обработки можно достаточно надежно заметить, что экспрессия изменилась в 2 и более раза. Это значит, что можно строить синдромы типа: 1, если E g >a, 0, если E g 2b. 2. Утверждения об экспрессии, не требующие нормализации. Монотонно возрастающие функции. A) Модель, не учитывающая неспецифической гибридизации Интенсивность j-ого зонда гена g на k-том чипе I(g, j, k) = С k ( f(j)E(g) ), где С k () – монотонное нелинейное влияние k-ого чипа, f(j) – эффективность j-ого зонда, E(g) – экспрессия гена g. Из монотонности следует, что I(g 1, j 1, k) > I(g 2, j 2,k) E(g 1 )/E(g 2 ) > f(j 2 )/f(j 1 ) Важно, что f(j 2 ) и f(j 1 ) не меняются от чипа к чипу. Поэтому, если I(g 1, j 1, k) >I(g 2, j 2,k) выполняется часто на одном классе и редко на другом, то это хороший симптом.

6 II. Что можно надежно утверждать об экспрессии генов? Б) Модель, учитывающая неспецифическую гибридизацию. I(G, j, k) = C k ( g f(j,g)E(g)), Здесь I(G, j, k) – интенсивность для зонда j гена G, а f(j, g) – эффективность этого зонда для гена g. Аналогично предыдущему I(g 1, j 1, k) >I(g 2, j 2,k) g f(j 1,g)E(g) > g f(j 2,g)E(g) Последнее неравенство формально зависит от экспрессий всех генов и поэтому может быть очень неустойчивым. Однако, поскольку все f по прежнему не зависят от чипа, если оно выполняется достаточно часто на одном классе и достаточно редко на другом, это хороший симптом. Поскольку Affymetrix специально выбирал олигонуклеотиды так, чтобы снизить влияние неспецифической гибридизации, то есть надежда, что в достаточно большой части случаев f таковы, что эта модель сводится к предыдущей, и, значит выполняется достаточно часто.

7 III. Что можно надежно утверждать об экспрессии генов? В) Как выразить утверждение высокая экспрессия гена ? Мы поняли, что утверждения о соотношений экспрессий двух генов могут быть выражены способом, не требующим нормализации. Но естественно предполагать, что не менее, а может и более важными являются утверждения об экспрессии конкретного гена типа при раке данный ген сильно экспрессирован. Прямое сравнение экспрессии с порогом невозможно без нормализации. Однако мы можем заменить сравнение с порогом на сравнение с квантилем. То есть вместо утверждения данный ген сильно экспрессирован можно использовать утверждение типаданный ген больше ¾ генов на этом чипе.

8 Как измерять ошибку распознавания? 1.Ошибка на обучающем множестве всегда занижена. 2.Лучший способ – разбиение на обучающее и тестовое множество. Еще лучше – разбиение на обучающее, верификационное и тестовое множества. На верификационном подбирают параметры обучения, а само обучение проводят на обучающем. 3.Скользящее обучение (leave-one-out) 4.Уверенность (конфиденс) ответа. Реджектная кривая.

9 ROC curve FPR=1-specificity TPR = sensitivity

10 Медицина, основанная на симптомах и медицина, основанная на примерах 1.Мера похожести и метод ближайшего соседа. 2.Автоматический выбор типичных представителей. 3.SVM как обобщение метода ближайшего соседа.