【食】Kitara大ホール カフェコーナー Amati [軽食＠札幌]

Kitara大ホール カフェコーナー Amati（アマティ）[軽食＠札幌][HomePage]
2008.6.1(日)13:00入店（初）
注文 コーヒー 400円

・Kitaraにて演奏会前の腹ごしらえ。どこか良い所はないかとウロウロしていて見つけた場所。

・Kitaraの大ホールのロビーには軽食コーナーが三ヶ所設置されています。そのうちの二階の出入り口側。『Amati』なんて名前がついていたなんてはじめて知りました。
・まだ開場前だったのでお店のお姉さんが一人で準備中のところ、ここで弁当広げて食べててもいいか聞いてみると、「どうぞ～♪」とのこと。しかし、タダでテーブルを使わせてもらうのもなんだか悪い気がしたので、コーヒーを一杯注文。決して、お店のお姉さんがすご～くカワイかったので、話しかけるきっかけのために注文したとか、そういう訳ではありませんので悪しからず。

・弁当は母の手製。おにぎり二つに、おかずいろいろ。豚肉を焼いたもの、キンピラゴボウ、ベーコン・アスパラ・セロリの炒め物、ポテトサラダ、などなど。容器は廃品利用。「おにぎりでかすぎる！」と、過去何度も注意されているので、おにぎりは控えめでしたが、その代わりにおかずがこれでもかと。「演奏会前に、こんなに食えないよ。。。」と心の中でつぶやきつつ、仕方が無いので完食。ごちそうさまでした。
・コーヒーの方は、"ボタンを押してジャー" 方式なのでそれなりの味です。コーヒーとして特に高い値段というわけではありませんが、割高な感じは否めません。

【論】Tan,2005,Simple decision rules for classifying～

Aik Choon Tan, Daniel Q. Naiman, Lei Xu, Raimond L. Winslow and Donald Geman
Simple decision rules for classifying human cancers from gene expression profiles
Bioinformatics 2005 21(20):3896-3904
[PDF][WebSite]

・サンプル分類法として、k-TSP (k-Top Scoring Pairs) を提案する。これは過去提案されたTSP [Geman,2004] の改良版である。
・データ
#Binary class
1.Colon [Alon]
2.Leukemia [Golub]
3.CNS [Pomeroy]
4.DLBCL [Shipp]
5.Lung [Gordon]
6.Prostate1 [Singh]
7.Prostate2 [Stuart]
8.Prostate3 [Welsh]
9.GCM [Ramaswamy]
#Multi-class
1.Leukemia1 [Golub]
2.Lung1 [Beer]
3.Luekemia2 [Armstrong]
4.SRBCT [Khan]
5.Breast [Perou]
6.Lung2 [Bhattacharjee]
7.DLBCL [Alizadeh]
8.Leukemia3 [Yeoh]
9.Cancers [Su]
10.GCM [Ramaswamy]
・比較法
1.TSP
2.k-TSP
3.DT (C4.5 decision tree)
4.NB (Naive Bayes)
5.k-NN (k-nearest neighbor)
6.SVM (Support Vector Machines)
7.PAM (Prediction analysis of microarrays)
・クラス分けの評価法
#Binary class：識別率はLOOCVで計算
#Multi class：実験の設定は以下の三つ
1.One-vs-Others (1-vs-r)
2.One-vs-One (1-vs-1)
3.Hierarchical Classification (HC)

・問題点「Current methods generate classifiers that are accurate but difficult to interpret. This is the trade-off between credibility and comprehensibility of the classifiers.」
・k-TSPとは「k-TSP, a refinement of the original TSP algorithm, which uses exactly k pairs of genes for classifying gene expression data. When k = 1, this algorithm, referred to simply as TSP necessarily selects a unique pair of genes. More generally, both TSP and k-TSP may be seen as special cases of a new classification methodology based on the concept of ‘relative expression reversals.'」
・「This is accomplished by basing the classification on the k disjoint Top Scoring Pairs (k-TSP) of genes that achieve the best combined score.」