Uporaba predznanja o povezanosti značilk pri gradnji napovednih modelovTOPLAK, MARKO (Avtor) Zupan, Blaž (Mentor) strojno učenjepredznanjepovezane značilkesočasna matrična faktorizacijaskladanjebioinformatikaZ ustreznim predznanjem lahko zgradimo točnejše napovedne modele. Eno od področij, kjer je gradnja napovednih modelov razmeroma težka zaradi malo učnih primerov v tipičnem naboru podatkov, a kjer imamo na voljo veliko predznanja, je področje molekularne biologije. Osnovne entitete na področju, geni, proteini ali presnovni produkti, so opisani in razvrščeni v kategorije v raznih prosto dostopnih bazah podatkov. Ta dodatna znanja lahko s pridom izkoristimo pri gradnji napovednih modelov. V disertaciji smo osredotočeni na metode, ki transformirajo prostor značilk v prostor skupin značilk, pri čemer skupine pridobimo iz obstoječih baz podatkov in predstavljajo predznanje. Značilke na podatkovnih naborih s področja molekularne biologije, ki smo jih uporabljali v disertaciji, predstavljajo gene. Metode, ki obravnavajo skupine genov, temeljijo na predpostavki, da so izrazni profili genov, ki pripadajo isti skupini, podobni. V disertaciji to predpostavko potrdimo in pokažemo, da so pari izraznih profilov genov iz skupin v bazah KEGG in BioGRID bolj podobni kot pari izraznih profilov naključno izbranih genov, a tudi pokažemo, da so te razlike majhne. Razlike ostajajo enake ne glede na verzijo podatkovnih baz skupin. V delu predlagamo metodo transformacije podatkov v prostor skupin značilk s sočasno matrično faktorizacijo, ki matriki podatkov in skupin značilk hkrati razcepi na produkt faktorjev z manjšimi rangi od rangov izvirnih matrik. Na resničnih podatkih po transformaciji s sočasno faktorizacijo lahko zgradimo modele, ki dosegajo primerljivo točnost kot modeli zgrajeni na netransformiranih podatkih. Predlagan pristop pri pretvorbi v prostor skupin uporabi tudi značilke, ki so podobne značilkam v skupini, a skupini ne pripadajo, kar ga loči od ostalih transformacijskih metod. Pri transformaciji v prostor skupin značilk moramo nastaviti parametre transformacij, kot so uteži značilk iz skupine. Transformacije, ki pri izračunu parametrov uporabljajo tudi ciljno spremenljivko, ustvarijo vrednosti skupin značilk, ki so vsaj deloma prilagojene ciljni spremenljivki. Učne metode bodo zato značilkam, ki so preveč prilagojene razredu, pripisale prevelik pomen, kar lahko poslabša točnost na novih podatkih. Predlagamo rešitev s skladanjem. Predlagana rešitev deluje z obstoječimi metodami transformacije v prostor skupin značilk in na nekaterih podatkovnih naborih bistveno izboljša točnost končnih napovednih modelov. V disertaciji preučimo tehnike transformacije podatkov v prostor vnaprej definiranih skupin značilk. V največji študiji doslej pokažemo, da z gradnjo napovednih modelov na podatkih s področja molekularne biologije, ki smo jih transformirali z obstoječimi ali predlaganimi metodami, v povprečju ne izboljšamo točnosti napovednih modelov na netransformiranih podatkih. Točnosti napovednih modelov, ki jih zgradimo na transformiranih podatkih, so še vedno podobne točnostim na netransformiranih podatkih. Ker je modele na podatkih transformiranih v skupine značilk laže interpretirati, je transformacije v prostor skupin smiselno uporabiti.20162016-08-19 09:10:06Doktorska disertacija84409VisID: 18801COBISS_ID: 1537065667sl