判別分析

基本的な考え方

(Press ? for help, n and p for next and previous slide)

村田昇

講義概要

第1回 : 判別分析の考え方
第2回 : 分析の評価

判別分析の例

乳癌の良性・悪性の判別

ID	V1	V2	V3	V4	V5	V6	V7	V8	V9	class
1000025	5	1	1	1	2	1	3	1	1	benign
1002945	5	4	4	5	7	10	3	2	1	benign
1015425	3	1	1	1	2	2	3	1	1	benign
1016277	6	8	8	1	3	4	3	7	1	benign
1017023	4	1	1	3	2	1	3	1	1	benign
1017122	8	10	10	8	7	10	9	7	1	malignant
1018099	1	1	1	1	2	10	3	1	1	benign
1018561	2	1	2	1	2	1	3	1	1	benign
1033078	2	1	1	1	2	1	1	1	5	benign
1033078	4	2	1	1	2	1	2	1	1	benign
1035283	1	1	1	1	1	1	3	1	1	benign
1036172	2	1	1	1	2	1	2	1	1	benign
1041801	5	3	3	3	2	3	4	4	1	malignant
1043999	1	1	1	1	2	3	3	1	1	benign
1044572	8	7	5	10	7	9	5	5	4	malignant

Figure 1: 9種類の生検の散布図

Figure 2: 主成分分析を用いて2次元に縮約した生検と良性・悪性の関係

Figure 3: 線形判別関数による判別関数値の分布

判別分析の考え方

判別分析

判別分析 (discriminant analysis) の目的

個体の特徴量からその個体の属する クラス を予測する関係式を構成する方法
関係式 : 判別関数 (discriminant function)
- 説明変数 : \(X=(X_{1},\dots,X_{q})\)
- 目的変数 : \(Y\) (\(K(\geq2)\) 個のクラスラベル)
判別関数による分類
- 1次式の場合 : 線形判別分析 (linear discriminant analysis)
- 2次式の場合 : 2次判別分析 (quadratic discriminant analysis)

判別分析の例

検査結果から患者が病気を罹患しているか判定する
- \(X=\) 検査結果
- \(Y=\) 病気・健康
今日の経済指標から明日株価を予測する
- \(X=\) 今日の経済指標
- \(Y=\) 明日株価の上昇・下降
今日の大気の状態から, 明日の天気を予測する
- \(X=\) 今日の大気の状態
- \(Y=\) 晴・くもり・雨・雪

判別分析の考え方

確率による定式化
1. \(X=\boldsymbol{x}\) の下で \(Y=k\) となる 条件付確率 を計算
  
  \begin{equation} p_{k}(\boldsymbol{x})=P(Y=k|X=\boldsymbol{x}) \end{equation}
2. 所属する確率が最も高いクラスに個体を分類
観測データ : \(n\) 個の \((Y,X_{1},\dots,X_{q})\) の組

\begin{equation} \{(y_{i},x_{i1},\dots,x_{iq})\}_{i=1}^n \end{equation}
観測データから\(Y\)の条件付確率 \(p_{k}(\boldsymbol{x})\) を構成

条件付確率

以下では \(X\) は離散型の \(q\) 次元確率変数として説明
事象 \(X=\boldsymbol{x}\) が起きたという条件の下で事象 \(Y=k\) が起きる条件付確率

\begin{equation} p_{k}(\boldsymbol{x}) = P(Y=k|X=\boldsymbol{x}) = \frac{P(Y=k,X=\boldsymbol{x})}{P(X=\boldsymbol{x})} \end{equation}
連続な確率変数の場合は確率密度関数を用いる

条件付確率の表現

\(Y\)の条件付確率 \(p_{k}(\boldsymbol{x})\) のモデル化の方針
- \(p_{k}(\boldsymbol{x})\) を直接モデル化する (例 : ロジスティック回帰)
- \(Y=k\) の下での \(X\) の条件付き確率質量関数
  
  \begin{equation} f_{k}(\boldsymbol{x}) = P(X=\boldsymbol{x}|Y=k)=\frac{P(X=\boldsymbol{x},Y=k)}{P(Y=k)} \end{equation}
  
  のモデル化を通じて \(p_{k}(\boldsymbol{x})\) をモデル化する
本講義では後者について説明

事後確率による判別

Bayes の公式

\(f_{k}(\boldsymbol{x})\) から \(p_{k}(\boldsymbol{x})\) を得る数学的原理

原因 \(X=\boldsymbol{x}\) から結果 \(Y=k\) が生じる確率 を 結果 \(Y=k\) が生じる原因が \(X=\boldsymbol{x}\) である確率 から計算する方法
Bayes の公式 (Bayes’ formula)

\begin{equation} p_{k}(\boldsymbol{x}) = P(Y=k|X=\boldsymbol{x}) = \frac{f_{k}(\boldsymbol{x})P(Y=k)}{\sum_{l=1}^{K}f_l(\boldsymbol{x})P(Y=l)} \end{equation}
- \(p_{k}(\boldsymbol{x})\): 原因 \(X=\boldsymbol{x}\) から結果 \(Y=k\) が生じる確率
- \(f_{k}(\boldsymbol{x})\): 結果 \(Y=k\) が生じる原因が \(X=\boldsymbol{x}\) である確率

Bayes の公式の略証

定義より

\begin{equation} f_{k}(\boldsymbol{x}) = P(X=\boldsymbol{x}|Y=k) = \frac{P(X=\boldsymbol{x},Y=k)}{P(Y=k)} \end{equation}
求める条件付確率

\begin{equation} p_{k}(\boldsymbol{x}) = P(Y=k|X=\boldsymbol{x}) = \frac{f_{k}(\boldsymbol{x})P(Y=k)}{P(X=\boldsymbol{x})} \end{equation}

分母の展開

\begin{align} P(X=\boldsymbol{x}) &= \sum_{l=1}^{K}P(X=\boldsymbol{x},Y=l)\\ &= \sum_{l=1}^{K}f_l(\boldsymbol{x})P(Y=l) \end{align}

事前確率と事後確率

事前確率 : \(\pi_{k}=P(Y=k)\) (prior probability)
- \(X=\boldsymbol{x}\) が与えられる前に予測されるクラス確率
事後確率 : \(p_{k}(\boldsymbol{x})\) (posterior probability)
- \(X=\boldsymbol{x}\) が与えられた後に予測されるクラス確率
Bayes の公式による書き換え

\begin{equation} p_{k}(\boldsymbol{x}) = \frac{f_{k}(\boldsymbol{x})\pi_{k}}{\sum_{l=1}^{K}f_l(\boldsymbol{x})\pi_l} = \frac{f_{k}(\boldsymbol{x})}{\sum_{l=1}^{K}f_l(\boldsymbol{x})\pi_l} \cdot\pi_{k} \end{equation}
- 事前確率が説明変数の条件付確率の重みで変更される

事前確率の決め方

事前に特別な情報がない場合

データから自然に決まる確率

\begin{equation} \pi_{k} = \frac{\text{\(Y=k\)のサンプル数}}{\text{全サンプル数}} \end{equation}
事前に情報がある場合
食事・運動・飲酒・ストレスなどの生活の特徴から生活習慣病か否かを判別
- 健常者の食事・運動・飲酒・ストレスなどの特徴量を収集
- 罹患者の食事・運動・飲酒・ストレスなどの特徴量を収集
- 事前確率は 別の調査の日本人の罹患率 を利用

線形判別分析

判別関数

判別の手続き
1. 説明変数 \(X=\boldsymbol{x}\) の取得
2. 事後確率 \(p_{k}(\boldsymbol{x})\) の計算
3. 事後確率最大のクラスにデータを分類
判別関数 : \(\delta_{k}(\boldsymbol{x})\) (\(k=1,\dots,K\))

\begin{equation} p_{k}(\boldsymbol{x}) < p_l(\boldsymbol{x}) \Leftrightarrow \delta_{k}(\boldsymbol{x}) < \delta_l(\boldsymbol{x}) \end{equation}
- 事後確率の順序を保存する計算しやすい関数
判別関数 \(\delta_{k}(\boldsymbol{x})\) を最大化するクラス \(k\) に分類

線形判別

\(f_{k}(\boldsymbol{x})\) の仮定
- \(q\) 変量正規分布の密度関数
- 平均ベクトル \(\boldsymbol{\mu}_{k}\) : クラスごとに異なる
- 共分散行列 \(\Sigma\) : すべてのクラスで共通
  
  \begin{equation} f_{k}(\boldsymbol{x}) = \frac{1}{(2\pi)^{q/2}\sqrt{\det\Sigma}} \exp\left(-\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu}_{k})^{\mathsf{T}} \Sigma^{-1}(\boldsymbol{x}-\boldsymbol{\mu}_{k})\right) \end{equation}
線形判別関数 : \(\boldsymbol{x}\) の1次式

\begin{equation} \delta_{k}(\boldsymbol{x}) = \boldsymbol{x}^{\mathsf{T}}\Sigma^{-1}\boldsymbol{\mu}_{k} -\frac{1}{2}\boldsymbol{\mu}_{k}^{\mathsf{T}}\Sigma^{-1}\boldsymbol{\mu}_{k} +\log\pi_{k} \end{equation}

同値性の確認

事後確率と判別関数の関係

\begin{align} &p_{k}(\boldsymbol{x}) < p_{l}(\boldsymbol{x})\\ &\Leftrightarrow f_{k}(\boldsymbol{x})\pi_{k} < f_l(\boldsymbol{x})\pi_l \quad\text{(分母は共通)}\\ &\Leftrightarrow \log f_{k}(\boldsymbol{x})+\log\pi_{k} < \log f_l(\boldsymbol{x})+\log\pi_l\\ &\Leftrightarrow -\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu}_{k})^{\mathsf{T}} \Sigma^{-1}(\boldsymbol{x}-\boldsymbol{\mu}_{k})+\log\pi_{k}\\ &\phantom{\Leftrightarrow}\quad < -\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu}_l)^{\mathsf{T}} \Sigma^{-1}(\boldsymbol{x}-\boldsymbol{\mu}_l)+\log\pi_l\\ &\Leftrightarrow \delta_{k}(\boldsymbol{x}) < \delta_l(\boldsymbol{x}) \quad\text{(2次の項は右辺と左辺で共通)} \end{align}

平均・分散の推定

平均の推定 (クラスごとに行う)

\begin{equation} \hat{\boldsymbol{\mu}}_{k} = \frac{1}{n_{k}}\sum_{i:y_{i}=k}\boldsymbol{x}_{i} \end{equation}
- ただし \(n_{k}\) は \(y_{i}=k\) であるようなデータの総数
分散の推定 (まとめて行う)

\begin{equation} \hat{\Sigma} = \frac{1}{n{-}K}\sum_{k=1}^{K}\sum_{i:y_{i}=k} (\boldsymbol{x}_{i}-\hat{\boldsymbol{\mu}}_{k}) (\boldsymbol{x}_{i}-\hat{\boldsymbol{\mu}}_{k})^{\mathsf{T}} \end{equation}

実習

R : 線形判別

関数 MASS::lda()

library(MASS) # パッケージの読み込み
lda(formula, data, ..., subset, na.action)
#' formula: モデル式 (ラベル ~ 判別に用いる変数)
#' data: 必要な情報を含むデータフレーム
#' 詳細は '?MASS::lda' を参照

判別結果取得のための関数

predict(object, newdata, prior = object$prior, dimen,
        method = c("plug-in", "predictive", "debiased"), ...)
#' object: ldaの返すオブジェクト
#' newdata: 予測の対象とするデータフレーム
#' prior: ラベルの事前分布
#' 返値はリスト型で以下の項目がある
#' class: 判別関数による予測ラベル
#' posterior: ラベルの事後確率
#' x: 判別関数値
#' 詳細は '?MASS::predict.lda' を参照

練習問題

東京の気候データを用いて以下の分析を行いなさい

9月と10月の気温と湿度のデータを抽出する

tw_data <- read_csv("data/tokyo_weather.csv") 
tw_subset  <- tw_data |>
  filter(month %in% c(9,10)) |>
  select(temp, humid, month) |>
  mutate(month = as_factor(month)) # 月を因子化

半分のデータを用いて線形判別関数を構成し，残りのデータを用いて判別を行う

library(MASS)
idx <- seq(2, 60, by = 2)
tw_train <- tw_subset[ idx,] # 訓練データ
tw_test  <- tw_subset[-idx,] # 試験データ
tw_lda <- lda(month ~ temp + humid, data = tw_train) # 線形判別関数の構成
tw_lda_fitted <- predict(tw_lda) # 判別関数によるクラス分類結果の取得
tw_lda_predict <- predict(tw_lda, newdata = tw_test) # 新しいデータの予測

2次判別分析

2次判別

\(f_{k}(\boldsymbol{x})\) の仮定
- \(q\) 変量正規分布の密度関数
- 平均ベクトル \(\boldsymbol{\mu}_{k}\) : クラスごとに異なる
- 共分散行列 \(\Sigma_{k}\) : クラスごとに異なる
  
  \begin{equation} f_{k}(\boldsymbol{x}) = \frac{1}{(2\pi)^{q/2}\sqrt{\det\Sigma_{k}}} \exp\left(-\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu}_{k})^{\mathsf{T}} \Sigma_{k}^{-1}(\boldsymbol{x}-\boldsymbol{\mu}_{k})\right) \end{equation}
2次判別関数 : \(\boldsymbol{x}\) の2次式

\begin{equation} \delta_{k}(\boldsymbol{x}) = -\frac{1}{2}\det\Sigma_{k} -\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu}_{k})^{\mathsf{T}} \Sigma_{k}^{-1}(\boldsymbol{x}-\boldsymbol{\mu}_{k}) +\log\pi_{k} \end{equation}

同値性の確認

事後確率と判別関数の関係

\begin{align} &p_{k}(\boldsymbol{x}) < p_l(\boldsymbol{x})\\ &\Leftrightarrow f_{k}(\boldsymbol{x})\pi_{k} < f_l(\boldsymbol{x})\pi_l \quad\text{(分母は共通)}\\ &\Leftrightarrow \log f_{k}(\boldsymbol{x})+\log\pi_{k} < \log f_l(\boldsymbol{x})+\log\pi_l\\ &\Leftrightarrow -\frac{1}{2}\det\Sigma_{k} -\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu}_{k})^{\mathsf{T}} \Sigma_{k}^{-1}(\boldsymbol{x}-\boldsymbol{\mu}_{k}) +\log\pi_{k}\\ &\phantom{\Leftrightarrow}\quad < -\frac{1}{2}\det\Sigma_l -\frac{1}{2}(\boldsymbol{x}-\boldsymbol{\mu}_l)^{\mathsf{T}} \Sigma_l^{-1}(\boldsymbol{x}-\boldsymbol{\mu}_l) +\log\pi_l\\ &\Leftrightarrow \delta_{k}(\boldsymbol{x}) < \delta_l(\boldsymbol{x}) \end{align}

平均・分散の推定

平均の推定 (クラスごとに行う)

\begin{equation} \hat{\boldsymbol{\mu}}_{k} = \frac{1}{n_{k}}\sum_{i:y_{i}=k}\boldsymbol{x}_{i} \end{equation}
- だたし \(n_{k}\) は \(y_{i}=k\) であるようなデータの総数
分散の推定 (クラスごとに行う)

\begin{equation} \hat{\Sigma}_{k} = \frac{1}{n_{k}-1}\sum_{i:y_{i}=k} (\boldsymbol{x}_{i}-\hat{\boldsymbol{\mu}}_{k}) (\boldsymbol{x}_{i}-\hat{\boldsymbol{\mu}}_{k})^{\mathsf{T}} \end{equation}

実習

R : 2次判別

関数 MASS::qda()

library(MASS) # 既に読み込んでいる場合は不要
qda(formula, data, ..., subset, na.action)
#' formula: モデル式 (ラベル ~ 判別に用いる変数)
#' data: 必要な情報を含むデータフレーム
#' 詳細は '?MASS::qda' を参照

判別結果取得のための関数

predict(object, newdata, prior = object$prior,
        method = c("plug-in", "predictive", "debiased", "looCV"), ...)
#' object: qda の返すオブジェクト
#' newdata: 予測対象のデータフレーム．省略すると推定に用いたデータフレーム
#' 返値はリスト型で以下の項目がある
#' class: 判別関数による予測ラベル
#' posterior: ラベルの事後確率
#' 詳細は '?MASS::predict.qda' を参照

練習問題

東京の気候データを用いて以下の分析を行いなさい

前問と同様な設定で2次判別を行いなさい

tw_qda <- qda(month ~ temp + humid, data = tw_train) # 2次判別関数の構成
tw_qda_fitted <- predict(tw_qda) # 判別関数によるクラス分類結果の取得
tw_qda_predict <- predict(tw_qda, newdata = tw_test) # 新しいデータの予測

別の月や変数を用いて判別分析を行いなさい

さまざまな多値判別

多値判別の構成方法

判別関数の比較
- 判別関数 \(\delta_{k}\) を比較
- 正規分布を仮定する場合は一般には2次判別
2値判別の統合
- 2クラスでの比較 : 最大の組合せ数 \({}_{K}C_{2}\)
- グループでの比較 : 最大の組合せ数 \(2^{K}-2\)
\(K{-}1\) 個の特徴量への変換
- 説明変数の線形結合による特徴量の構成
- 異なる\(K\)種の点の集合を\(K{-}1\)次元空間に配置
- Fisher の線形判別

変動の分解

3種類の変動
- \(A=\sum_{i=1}^{n}(\boldsymbol{x}_{i}-\boldsymbol{\mu})(\boldsymbol{x}_{i}-\boldsymbol{\mu})^{\mathsf{T}}\) : 全変動
- \(W=\sum_{i=1}^{n}(\boldsymbol{x}_{i}-\boldsymbol{\mu}_{y_{i}})(\boldsymbol{x}_{i}-\boldsymbol{\mu}_{y_{i}})^{\mathsf{T}}\) : 群内変動
- \(B=\sum_{k=1}^{K}n_{k}(\boldsymbol{\mu}_{k}-\boldsymbol{\mu})(\boldsymbol{\mu}_{k}-\boldsymbol{\mu})^{\mathsf{T}}\) : 群間変動
  (\(n_{k}\) はクラス \(k\) のデータ数)
変動の関係

\begin{equation} \text{(全変動)} = \text{(群内変動)} + \text{(群間変動)} \end{equation}

\begin{equation} A = W + B \end{equation}

Fisher の判別分析

Fisherの線形判別

判別のための特徴量 \(Z=\boldsymbol{\alpha}^{\mathsf{T}} X\)
- 特徴量\(Z\)のばらつきの計算は主成分分析と同様
- 変動 \(A,W,B\) を Gram 行列とみなせばよい
良い \(Z\) の基準
- クラス内では集まっているほど良い (\(\boldsymbol{\alpha}^{\mathsf{T}} W\boldsymbol{\alpha}\)は小)
- クラス間では離れているほど良い (\(\boldsymbol{\alpha}^{\mathsf{T}} B\boldsymbol{\alpha}\)は大)
Fisherの基準

\begin{equation} \text{maximize}\quad \boldsymbol{\alpha}^{\mathsf{T}} B\boldsymbol{\alpha} \quad\text{s.t.}\quad \boldsymbol{\alpha}^{\mathsf{T}} W\boldsymbol{\alpha}=\text{const.} \end{equation}
- クラス内変動を一定にしてクラス間変動を最大化する

Fisherの線形判別の解

\(\boldsymbol{\alpha}\) は \(W^{-1}B\) の固有ベクトル (主成分分析と同様)
- \(K=2\) の場合 : 最大固有値を用いる (線形判別と一致)
  
  \begin{equation} \boldsymbol{\alpha}\propto W^{-1}(\boldsymbol{\mu}_{1}-\boldsymbol{\mu}_2) =\Sigma^{-1}(\boldsymbol{\mu}_{1}-\boldsymbol{\mu}_2) \end{equation}
- 一般の \(K\) の場合 : 第1から第 \(K{-}1\) 固有値を用いる
判別の手続き
- 特徴量とクラスの中心までの距離を用いる
  1. \(d_{k}=\sum_{l=1}^{K{-}1}(\boldsymbol{\alpha}_l^{\mathsf{T}}\boldsymbol{x}-\boldsymbol{\alpha}_l^{\mathsf{T}}\boldsymbol{\mu}_{k})^2\) を計算
  2. 最小の \(d_{k}\) となるクラス \(k\) に判別
- 特徴量 \(Z\) の空間をクラスごとの平均を用いて Voronoi 分割している

実習

練習問題

東京の気候データを用いて以下の分析を行いなさい

9月，10月，11月の気温と湿度のデータを用いて判別関数を作成しなさい．

tw_subset  <- tw_data |>
  filter(month %in% c(9,10,11)) |>
  select(temp, humid, month) |>
  mutate(month = as_factor(month))

別の月や変数を用いて判別分析を行いなさい

#' 雨の有無を識別する例
tw_subset2 <- tw_data |>
  mutate(rain = factor(rain > 0),
         month = as_factor(month)) |> # 雨の有無でラベル化する
  select(rain, temp, solar, wind, month)
tw_lda2 <- lda(rain ~ ., data = tw_subset2) # 'rain' をそれ以外で判別

次回の予定

第1回 : 判別分析の考え方
第2回 : 分析の評価