ぴかりんの頭の中味

主に食べ歩きの記録。北海道室蘭市在住。

職場の新年会とドカ雪

2008年01月24日 22時05分19秒 | 日記2005-10
 今更ながら、昨夜は職場の新年会でした。参加17名とちょっと少なめ。会場は学内施設にて。オードブルと持ち込み酒で、会費三千円。
 世間的に見て、わりと特殊な人間が集まる職場なので、外から見るとかなり濃いメンバーかもしれません。もうしばらく中に入っているので、私自身は何も感じませんが。端的に言ってしまうと、大学教員の飲み会なんですけどね。大学に通った経験のある方は、自分が受けた講義の各先生を寄せ集めた飲み会に、自分も参加することを想像してみてください。多くの人にとってはあんまりしたくない想像なのでは、と思います。実際は、知的な会話が咲き乱れる、ということもなくフツーのおじさんたちの飲み会です。その時の話題を以下にメモ。

・趣味のスキーレース(滑降)について。時間計測システムを、ユビキタスの考え方を取り入れた、より手軽なシステムで構築できないか、考察。
・ワインは振ってから飲むと美味しくなる!? 【実験】まずはワインを通常どおりグラスAに注ぐ。次に瓶にフタをして、豪快に泡の立つくらい力の限り振ってからグラスBに注ぐ。グラスAとBを飲み比べ。すると明らかに味が違うそうです。へええ。それが『美味しい』かどうかは各人の判断ですが。「ワインを振ってから飲む」なんて初めて聞いた。興味のある方は安いワインでお試しあれ。
・さらには、【研究テーマ】いまいちなワインを美味しくするには? 【実験】ワインに缶チューハイ、ビール、烏龍茶等を任意の混合比で混ぜ、オリジナルカクテルを作成。各自賞味し主観評価を行う。 【結果】ワイン+缶チューハイはありかも。 【今後】目指せ、モデル化(定式化)。
・お子様についての話題。お子様は現在小学生高学年。勉強は朝の学校行く前だけで、夜はしないそうです。フーン 現在英検の勉強中。ヘーエ 目標は中学時に英検1級取得とか。ヒエー 今更知ったのですが、奥様は某H大で英語を教えている方なのだとか。ヒャー でも一番成績がいいのは体育なのだそうです。フエー
・昨年夏の当大学のイベントに参加していた某K育大教員(女性)が、
ラーメンズに似てる人がいる!!
と、当時、大興奮していたのだそうです。なんでもラーメンズの大ファンで、昔はおっかけもやっていたのだとか。なんだ、全然気がつかなかった。一言声をかけてくだされば……真似とか何もできないけど。ギリギリギリギリジンジン♪ とか歌えばウケたかなぁ。そういえば、「(もじゃもじゃの方に)似てる」と過去何度か言われたことがあるような。実際は全然似てませんが。でも地味に同い年だったりするんですけどもね。

 いつもの付き合いの悪さから、当初は参加を迷っていたのですが、とっても楽しい飲み会でした。参加しといてよかったです。好感度+1ポイント。
~~~~~~~~~~
 そんな新年会から一夜明けると、早目に目が覚めました。起きて外を見てみると、雪。雪。雪。外へ出てみると、ドアにまで雪が[写真]。これはなかなか見ない光景です。アパートを出てみると20センチほど積もっていました。室蘭ではかなりの大雪です。雪を掻き分けつつ吹雪の中を必死で徒歩通勤。まるで冬山登山でもしているかのような気分でした。職場へは無事たどり着けましたが、除雪が間に合わず車があちこちで立ち往生し、学内は大混乱。ついにはカミナリまで鳴り出すし。「今年は雪が少ないねぇ(ホッ)」とよく話題にのぼっていたのですが、それを埋め合わせるかのような大雪でした。
 昼頃には雪は落ち着き、道端には早速かまくらができていました。小学校が休みになったのかな。
 さて、早いとこ車を掘り出さないと。。。
コメント
  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

【論】Jaeger,2002,Improved gene selection for classi~

2008年01月24日 07時58分45秒 | 論文記録
J. Jaeger, R. Sengupta, W. Ruzzo
Improved Gene Selection For Classification Of Microarrays
Pacific Symposium on Biocomputing, Kauai, Hawaii, Jan., 2003.
[PDF][Web Site]

・遺伝子抽出法の提案。
・オリジナル法(遺伝子抽出)
1.Correlation
2.Clustering
3.Masked out Clustering
・比較法(遺伝子抽出)
1.Fisher
2.Golub
3.Park
4.TNoM
5.t-test
・データ
1. 40 Adenocarcinoma and 22 normal samples [Alon]
2. 47 ALL and 25 AML [Golub]
3. 18 tumor and 18 normal samples [Notterman]
・遺伝子抽出の評価法:SVM + LOOCV により ROC を算出

・問題点「A problem with this approach is that many of these genes are highly correlated.
・目的「Given a series of microarray experiments for a specific tissue under different conditions we want to find the genes most likely differentially expressed under these conditions. In other words, we want to find the genes that best explain the effects of these conditions.
・原理「In order to increase the classification performance we propose to use more uncorrelated genes instead of just the top genes.
・「If many genes are highly correlated we could describe this pathway with fewer genes and reach the same precision. Additionally, we could replace correlated genes from this pathway by genes from other pathways and possibly increase the prediction accuracy.
・"Correlation" 原理「A simple greedy algorithm accomplishes this selection ? the k-th gene selected is the gene with highest p-value among all genes whose correlation to each of the first k-1 is below the specified threshold.
・"Clustering","Masked out Clustering" 原理「If the cluster then has a bad quality we might pick a lot of genes from that cluster even though they are not informative. To counteract this problem we implemented the possibility to mask out and exclude clusters that have an average bad test statistic p-value
・結果「There is no clear winner between the three proposed methods and it depends largely on the dataset and parameters used.
・展望「It is pretty expensive to try all possible numbers for clusters to find a setting that provides us with a good LOOCV performance. One direction for future work would be to estimate the number of clusters using a BIC (Bayesian Information Criterion) score or switching over to model based clustering.

・提案法の原理の細かい所が読みとれず
コメント
  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする