通過代表景觀數據的六種類型的微陣列數據對癌症進行基因診斷通過代表景觀數據的六種類型的微陣列數據對癌症進行基因診斷
日本大學經濟學院榮譽教授，新村修一
根據哈佛醫學院教授Golub教授的說法，“基於微陣列數據的癌症基因診斷是代表景觀數據”已經進行了30多年，並且沒有明確的結論（歧視分析問題5）。許多統計學家指出了無法用統計學方法處理的問題。
1。小n和大p問題，即典型的>>> n水平長數據。例如，當區分和消退癌症和100個正常受試者大約10,000時，這是一個NP難題，例如變量選擇。
2。有效識別的致癌基因被剩餘的高維噪聲所掩蓋，並且不能很好地分離。
等等。
1971年大學畢業後，我在大阪成人疾病中心開發了Fisher's LDF心電圖自動診斷系統的邏輯，但不滿足醫生的分支邏輯。這種經驗認為統計判別理論不適合醫學診斷，並且基於最小線性判別函數，基於最小錯誤分類數（MNM）標準，通過數學規劃方法和“100倍交叉驗證方法（方法1）小樣本” “和”俄羅斯套娃特徵選擇方法（方法2）“解決了判別分析的五個問題。問題5，在30年內無法解決，僅在54天內通過方法2解決。在微陣列數據中，正常性和異常可以完全區別於數據項數量遠小於n（100）的一組基因，以及此類基因對的幾十個獨有總和（小俄羅斯套娃，SM）（小俄羅斯套娃，SM）它能夠完全分成集合和剩餘的高維噪聲空間。這些由Springer出版。然後我們通過分析JMP單側方差分析，聚類分析，PCA，統計判別函數得到的所有SM，報告世界上第一個成功創建癌症惡性指數。這些結果在亞馬遜Kindle版本（從癌症基因分析到癌症基因診斷，1200日元）中彙編和發表。
