2012-09-01から1ヶ月間の記事一覧

Cohesive blocking of graph(2)

igraphパッケージのcohesive.blocks()関数のExamplesにあり、この論文の中でも扱われている例をとって、cohesive blocksの取り出し手順を確認してみよう k-component 連結な(サブ)グラフがあって、ノードを除去すると、(サブ)グラフが2つ以上に分けられると…

Cohesive blocking of graph(2)

Cohesive blocking of graph

Rのigraphパッケージにcohesive blockingというのをやってくれる関数 cohesive.blocks()というのがある Cohesive blockingのサイト Cohesiveとは粘着性のある、凝集性のある、という意味 論文は社会における人のネットワークについてのもの グラフの中のまと…

Cohesive blocking of graph

多次元化ROCカーブ

こちらでROCカーブとsurvival ROCカーブなるものを勉強した ROCカーブってなんだっけ? 2つの群があって、それぞれのサンプルがスカラー量を持っているときに、閾値を動かしてやって、その閾値の大小の割合を2つのそれぞれの群について算出する。閾値に対…

多次元化ROCカーブ

KBAC

KBAC(論文)をRで(zip)

5 仮説の遠近

もう少し進めよう 前の記事では、仮説を階層化して、群に分け、群内で、候補を落とすときには、群内の「仲間内の候補」で残留する候補に「ありやすさ」を引き継ぎ、群を越えたら「ありやすさ」を引き継がない、というやり口だった 「あり」か「なし」かの2者…

4 仮説の階層化

前の記事からの続き 前の記事で、仮説が群を成していた。階層化していた、ともいえる 臨床診断ではどうだろうか? 症候Aがある 大きく分けて、B1部疾患であるかもしれないし、B2部疾患であるかもしれない B1部疾患は20疾患が鑑別に挙がる。B2部疾患は17疾患…

中学生に学ぶ意見の推移

今日の記事の並び方 1 候補が絞り込まれていくとき 2 複数候補の好悪順序にルールを入れる 3 複数候補が2群に属した上で、尺度に乗る 4 仮説の階層化 5 仮説の遠近

3 複数候補が2群に属した上で、尺度に乗る

前の記事からの続き 初めに、各選挙権者が候補者に好悪順をつけて、投票し、だんだんに候補者を絞ることを考えた 次に、1尺度での好悪の評価をした上で、投票し、だんだんに候補者を絞ることを考えた 候補者が2つの「群(政治なら政党)」に属した上で、ある…

2 複数候補の好悪順序にルールを入れる

前の記事からの続き 複数の候補はある尺度に関して順序をつけることができるとする そして選挙権者は候補者に対する好悪の程度がこの尺度上での距離によって決まるものとする このとき、どんな変化になるだろうか 選挙権者の意見の分布を描き、当選者の意見…

1 候補が絞り込まれていくとき

こちらで情報による意見の変化について考えた 世の中では、複数の候補者からの選出、というイベントがなされている。だれか1人の候補者が過半数を取ると決定する仕組みで、全候補者への投票ができる段階から、候補者の数が変更されていく。単純に上位2名の…

意見の推移

SLE腎症は別扱い

"Derivation and Validation of the Systemic Lupus International Collaborating Clinics Classification Criteria for Systemic Lupus Erythematosus"(こちら) SLICC基準 2つの基準がある (1)クライテリア17項目によりSLEと分類するもの (2)クラ…

いい感じの事前分布

事前分布(Prior)について、Wikiの記事の引用文献は1968年のそれである(Wikiの記事によれば、2009年のに再掲載されている Maximum entropy Probability Distribution(Wiki)の話である 最大エントロピー原理は、ある情報が与えられた状態で(与えられていなくて…

最大エントロピー原理による事前分布

機械に教える医学学習5

前の記事に「知識」のグラフ上での表現形に制約を与えてみた 出来る限り、すべての知識をこれに合わせてみる 「身体は、頭部、頸部、胸部、腹部、骨盤部、四肢に分けられる」 身体と、{頭部、頸部、胸部、腹部、骨盤部、四肢}とに分離できて、身体と各部とは…

機械に教える医学学習4

こちらの話題 昨日の続き 学習を「用語」と「知識」に分けて考えている 「知識」は「用語」で説明されるから 「用語」をグラフのノードで表すとする 「知識」はグラフ上の何かしらである。グラフ上の何かしら、というのはどんなものがある? 第1段階 ノード…

機械に教える医学学習3

昨日の続き 昨日は、亜集合を要素とする集合が2つあったときに、その包含関係を測る話だった 今日は、亜集合の要素がグラフ上のノードにあるとして、包含関係(0,1の関係)から量的な関係に広げる話 以下で定める「距離」の定め方はあくまでも一つのやり方…

機械に教える医学学習2

症候と診断とをグラフで整理している(こちら) また、こちらからの続きでもある この記事の話は集合で判断をする話。それに関連する話としてはAssociation rule learningがある(Wiki記事、ryamadaブログ記事)。Association rule learningならはRのパッケージa…

ぱらぱらめくる『ピアジェ入門』

ピアジェ入門 (国土社の教育選書)作者: 波多野完治出版社/メーカー: 国土社発売日: 1986/12メディア: 単行本 クリック: 3回この商品を含むブログ (8件) を見る 昔『発生的認識論』の読み会をしたことがあった 発生的認識論 (文庫クセジュ 519)作者: ジャン・…

定義とモデル

こちらで老化とサバイバルカーブの話をしている 老化の定義は難しそうなので、必要条件からまず考えよう 時間の概念は必要。老化の「化」は「時間に伴う変化」を表しているから 変化する主体は何か、というと、通常は「個体・個人」だろう。「細胞の老化」な…

「白紙」が診断できるようになるまで

こちらの関係 ピアジェっぽく「段階」にしてみる? 段階 用語獲得期 用語整理整頓期 用語の標準的組合せ例の集積期 標準的組合せ例からの連想組合せ拡大期 「その他もろもろ用カタログ」への詰め込み期 拡大した標準用語の組合せを「その他もろもろ用カタロ…

ぱらぱらめくるSMITH's Recognizable Patterns of Human Malformation

Smith's Recognizable Patterns of Human Malformation, 6e作者: Kenneth Lyons Jones MD出版社/メーカー: Saunders発売日: 2005/09/08メディア: ハードカバー クリック: 5回この商品を含むブログを見る 先天奇形の表現型の特徴は、形態を中心にした多彩な複…

Smith's Recognizable Patterns of Human Malformation

Smith's Recognizable Patterns of Human Malformation, 6e作者: Kenneth Lyons Jones MD出版社/メーカー: Saunders発売日: 2005/09/08メディア: ハードカバー クリック: 5回この商品を含むブログを見る こちらのシンポジウムで「小児科医の奇形バイブル」と…

高次の因子

昨日、LD領域における、SNP選択の話があった(こちら:まだ、記事が掲載されていないけれど…)。Lossoとベイズとを比較して、ベイズの方が、モデル適合性が高そうだ、という話だった(あくまでも紹介論文でのシミュレーションデータの話) LDの具合や、集団構造化…

メモ

こちらの続き Kernel Machine SNP-set Analysis for Censored Survival Outcomes in Genome-wide Association Studies カーネル・トリックに関するメモ Pathway-based identificaion of SNPs predictive of survival package_SimHapとsnp.surv()関数 "formul…

目次 ぱらぱらめくる『Algebraic statistics for computational biology』

Algebraic Statistics for Computational Biology作者: L. Pachter,B. Sturmfels出版社/メーカー: Cambridge University Press発売日: 2005/08/22メディア: ハードカバー購入: 1人 クリック: 9回この商品を含むブログを見る 4塩基ATGCが作る四面体、塩基配列…

FDR補正とFWER補正とを比較する

FWER法では、最小p値が補正後も有意になるかならかないかの程度だが、FDR法では、小さいp値をとっている検定のうちのある画分が、補正後も0-1の範囲に散らばり、その中には、有意になるものがあるんではないかい、というp値の分布になる # fdr法で補正する f…