宅急便の進化 ～インターネット受付でコンビニ受取

帰宅しドアを開けると、宅急便の不在連絡票がパラリと玄関に落ちている。
なんだろう？
差出人を確認。ああ、アレか……
また、営業所に留め置いてもらうように電話しないと。
と、連絡票を見るといつもとは少し様子が違っていました。
『インターネット受付（24時間）宅急便店頭受取りサービスはこちら』
いつの間にこんなサービスが。ともかく表記の指示に従って個人情報の登録を済ませ、最寄のコンビニへ配達してもらうよう入力。ほどなくして、コンビニに荷物を預けたことを伝えるメールが届く。早い。
仕事帰りにコンビニに寄り、連絡票を店員に手渡すと、
「……（なんだこれは？？）、少々、お待ちください」
アルバイトらしき若い女の子は対応が分からないらしく奥へ引っ込んでしまいました。
そしていつも見かけるベテランのおばちゃん店員登場。まだはじまったばかりのサービスで、扱うのが初めてだったようです。

「本人確認！ m9（・∀・）ビシッ」

（゜Д゜）

免許証で住所と顔を確認し、受取票にサイン。手順をひとつひとつ確認しつつ処理終了。無事荷物を受け取ることができました。

　いつも家にいないため、自宅で荷物を受け取ることがほとんどできず、毎回営業所に留め置いてもらってそれを取りに行っていました。営業所までは車で10分ちょっとかかり、往復すると約30分ほどかかってしまいます。何かのついでで通りかかることもなく、たかが荷物を取りに行くだけで30分のロスは大きい。そんな私にとってはとっても助かるサービスです。これは便利。
　「あったらいいな」とは思っていたサービスですが、ここまで早く実現するとは思いませんでした。おそらくここまで細かいサービスは海外では類を見ないのではないでしょうか。日本人てすごい。

【論】Diaz-Uriarte,2006,Gene selection and classifi ～

Ramon Diaz-Uriarte and Sara Alvarez de Andres
Gene selection and classification of microarray data using random forest
BMC Bioinformatics 2006, 7:3
[PDF][Web Site]

・Random forestに基づいた遺伝子抽出法とクラス分け法の提案。
・人工データ：クラス数2～4、データの分布の種類1～3、遺伝子数は各分布につき(5,20,100)、各クラスにつき25サンプル
・実データ
1.Leukemia [Golub]
2.Breast [van't Veer]
3.Breast [van't Veer]
4.NCI60 [Ross]
5.Adenocarcinoma [Ramaswamy]
6.Brain [Pomeroy]
7.Colon [Alon]
8.Lymphoma [Alizadeh]
9.Prostate [Singh]
10.Srbct [Khan]
・比較法（全て "R" で実行）
a) random forest (変数選択なし)
b) 変数選択なし
1.Diagonal Linear Discriminant Analysis (DLDA) [Dudoit]
2.K nearest neighbor (KNN) [Romualdi]
3.Support Vector Machines (SVM) with linear kernel [Dettling]
c) 変数選択を含む
1.Shrunken centroids (SC), Sc.l, SC.s [Tibshirani]
2.Nearest neighbor + variable selection (NN.vs)
・クラス分けの評価法
1.各方法の比較→0.632+ bootstrap method [Ambroise, Efron]
2.Random forestパラメータ変更の比較→Out-of-Bag (OOB)

・問題点「Many gene selection approaches use univariate (gene-by-gene) rankings of gene relevance and arbitrary thresholds to select the number of genes, can only be applied to two-class problems, and use gene selection ranking criteria unrelated to the classification algorithm.」
・原理「Each of the classification trees is built using a bootstrap sample of the data, and at each split the candidate set of variables is a random subset of the variables.」
・問題点「Unfortunately most "methods papers" in bioinformatics do not evaluate the stability of the results obtained, leading to a false sense of trust on the biological interpretability of the output obtained.」
・特長「the main advantage of this method is that it returns very small sets of genes that retain a high predictive accuracy,」
・展望「In a broader context, further work is warranted on the stability properties and biological relevance of this and other gene-selection approaches, because the multiplicity problem casts doubts on the biological interpretability of most results based on a single run of one gene-selection approach.」