変数同士の関连＿惭滨颁
- 3. Motivation ? データを分析する人達 （ひいては R users 何が見たいん？ ＝データ同士の関連を見たい ? 得られたデータAとBの項目に何らかの関連がみ られる＝相関がある。（?項目同士が独立
- 4. ピアソンの相関係数 ? 2つの変数（X and Y）間にある線形な関係の強 弱を図る指標（-1～1）。 ? 式
- 6. Rでの実装 ? x <- runif(10) ? y <- 3*x + 2 # plot(x, y) ↓ こんな感じ ? cor(x,y) # 結果は当然1
- 7. こんなのもあるはず ? t <- seq(-2*pi, 2*pi, 0.2) ? y1 <- sin(2*t) ? plot(t, y1) # これ→ 非線形データでは ピアソンの相関係 数では関連無し
- 9. どうすんの？
- 10. そこで惭滨颁ですよ。
- 11. 21世紀の相関なるものがある？ ? Maximal Information Coefficient (Reshef et al., 2011) = 非線 形関係も含めた変数間の関連を見る指標 ? 線形関係であればMIC ~= Pearsonの相関2 ? Science誌にて報告 され、「21世紀の 相関」として推薦 される (右図
- 12. MICの哲学 (logics of blueより拝借 もしも2つの変数間 に相関があるなら データを要約するよ うにデータを分割す るグリッドを引ける。 ちなみに詳細をわか りやすく説明されて る資料はこちら ↓ http://lectures.molgen.mpg .de/algsysbio12/MINEPres entation.pdf
- 15. MICの実装 ? library(minerva) ? mine(x, y) これだけ！！ Cor = -.19
- 16. ほかの指標 ? MAS：単調性 ? MEV：関数っぽさ ? MCN：複雑さ ? MIC-R2：非線形度合い ※詳しい内容は計算の仕方（グリッドの線の引き方やら相 互情報量やら）とも関わってくるのでminervaのHelpや上に あげているわかりやすい資料などを参照ください こいつらとあわせてMICを解釈して データの関連に思いを馳せよう！！
- 17. データ生成の例 ? n <- 100 #逆U字 ? x <- runif(n, min = -1, max = 1) ? y <- sqrt(1 - x^2) + rnorm(n, 0, 0.05) ? plot(x, y) ? x1 <- runif(n, min = 0, max = 4) #なんかジグザグ ? y1 <- x1 - floor(x1) + rnorm(n, 0, 0.05) ? plot(x1, y1) cor.test() と mine() の結果を見比 べて興奮したりしよう！！
- 18. 補足 ? MICはビッグデータを前提にしているの で、nが少ない時はalphaを1.0に設定して あげてネ！ ? ※α = グリッドの分け方に関するパラメータ、 詳しくは論文とか、Help、読め
- 19. やったぜ！これでかつる！
- 20. 21世紀の相関に関する 別のアプローチ ? HSIC (Hilbert-Schmidt Independence Criteria)：独 立性の検定 ? 独立性？ ? 変数同士が関連を持つことを見たい ＝変数同士が独立してるか否かを調べたい ＝データを再生核ヒルベルト空間に 飛ばし、そこでの関係性を見る ことで非線形であっても関係性を 見出せばええやん！！！
- 22. ほんならHSIC ? データをなんかかっこいい次元にとばすらしい ぜ！ ? 友達に自慢しよう！ ? ちゃんと自慢したい人は以下の論文を読もう！ ※ぼくは諦めたぞ！！ Measuring Statistical Dependence with Hilbert- Schmidt Norms (Gretton et al., Algorithmic Learning Theory, 2005)
- 23. HSICの実装 ? library(dHSIC) #hsicCCA, EDAでもいけるらしい ? X <- list(x, y) #さっきの逆U字型のやつ使ってます ? dhsic.test(X,method="gamma",kernel="gaussian",B =100) ＝関連してるぞ！！ ※この辺、自信ないので、間違っ てたらご指摘お願いします。
- 25. は？負けてへんし ? MIC論文の著者がMICの限界を乗り越える ためのMICに関する指標をいくつか提案 (Reshef et al. 2015; 実際の比較 Reshef et al. 2015) ? 関連を見るのにはMIC*(MICの母数値), MICe (equicharacteristic matrixを用いたMIC*の推定値: このわけ わからん行列の詳細はReshef et al. 2015のp12) ?TIC＝独立性の検定にかかわる統計量
- 26. TICの実装 ? git_hub版のminervaをインストールするん じゃ（簡単！ ? library(devtools) ? install_github(“cran/minerva”) ? ※もちろんネット環境でね！
- 28. あれ？ ? Reshef et al. (2015)の論文に はMICeがたまんねえって書 いてあったけど、どう算出 すんのよ？
- 32. 結論：可視化、大事 ? やはりggplot2じゃっ たか… 。 ? 過去のHijiyama.Rで 発表されてる紀の定 先生の資料、つよい。
- 33. 発表のまとめ ? 現状は最新版のminervaのmine関数で変数同士 の関連に思いをはせましょう。 ? より素敵な指標に関しては世界の変態を待つ か、待ちきれない変態は自分で作りましょう。 ? 関係見るには可視化が一番だけどたくさん データがあればとっかかりにMICを使える。
- 34. 番外編 ? http://www.exploredata.net/ ? MINE: Maximal Information-based Nonparametric Exploration MIC論文の著者によるサイト、 データセットなりJavaを介したRの関数なりが あって興奮する。 ? https://www.ncbi.nlm.nih.gov/pubmed/26283601 ? CANOVA：非線形データの独立性を検討する やつ。C++により作成されてる (Wang et al. 2015)。ちゃんと読んでない。
- 35. 参考資料 ? これまでのスライドに含まれてたURL ? http://logics-of- blue.com/%E9%9D%9E%E7%B7%9A%E5%BD% A2%E3%82%82ok%E3%81%AA%E7%9B%B8% E9%96%A2%E4%BF%82%E6%95%B0%EF%BC %9Amic/ ? http://takehiko-i- hayashi.hatenablog.com/entry/20130426/13669485 60
- 36. 参考論文 ? Reshef, D., Reshef, Y., Finucane, H., Grossman, S., McVean, G., Turnbaugh, P., Lander, E., Mitzenmacher, M., and Sabeti, P. (2011) Detecting Novel Associations in Large Data Sets,Science, highwire 334, 1518–1524. ? Reshef, D. N., Reshef, Y. A., Sabeti, P. C., & Mitzenmacher, M. M. (2015). An empirical study of leading measures of dependence. arXiv preprint arXiv:1505.02214. ? Reshef, Y. A., Reshef, D. N., Finucane, H. K., Sabeti, P. C., and Mitzenmacher, M. M. (2015) Measuring dependence powerfully and equitably.