꿈라CBT다음 <보기>의 결과에 대한 진단과 대응으로 가장 적절한 것은?
보기
유전자 발현량 1만 2천 개를 설명변수로, 환자 180명의 치료 반응을 예측하는 모형에 Lasso를 적용하였다.
- 학습 데이터를 다르게 분할할 때마다 선택되는 유전자 목록이 크게 달라졌다.
- 생물학적으로 같은 경로에 속해 서로 상관이 0.9 이상인 유전자 집단이 있는데, Lasso는 매번 그중 하나만 남기고 나머지를 0으로 만들었다.
- 선택된 유전자 수가 180개를 넘는 경우는 한 번도 없었다.
- 1선택 결과가 불안정한 것은 \(\lambda\)가 너무 작기 때문이므로, \(\lambda\)를 충분히 크게 키우면 매번 동일한 유전자 집합이 선택되어 문제가 해결된다.
- 2상관 높은 변수 중 하나만 남기는 것과 n개 상한은 Lasso의 성질이므로, 엘라스틱 넷·그룹 Lasso를 쓰고 안정성을 평가해야 한다.
- 3변수 수가 표본 수보다 많으면 Lasso를 적용할 수 없으므로, 규제를 제거한 최소제곱 회귀로 전환해 모든 유전자를 모형에 포함시켜야 한다.
- 4매번 다른 유전자가 선택된다는 것은 그 유전자들이 모두 무의미하다는 뜻이므로, 상관계수가 0.9 이상인 집단은 분석에서 전부 제외해야 한다.