Application of Sparse Generalized Partial Least Squares Method to Multicategory Classification Problem

Abstract

Partial Least Squares(PLS) is well known dimension reduction method which has been recently adapted for high dimensional classification problems. We consider sparse versions of the proposed PLS-based classification methods using sparse partial least squares(SPLS). PLS with sparsity is to achieve variable selection and dimension reduction simultaneously. We deal with both binary and multicategory classification. We compare the performance of each method and provide insights about these approaches with QEEG datasets that involve patients classification with high dimensional data. We show that SGPLS provides more insightful results especially for binary classification. Furthermore, it displays higher specificity in the case of multicategory classification with ALL datasets including Clinical, NCFT, and QEEG features type.;부분최소제곱법은 다변량 분류 분석에 있어 차원 축소의 방법으로 잘 알려져 있다. 희소 부분최소제곱법은 이러한 부분최소제곱법에 희소성을 부여해 차원 축소와 변수 선택을 동시에 고려하는 방법이다. 이는 주로 회귀분석에 수행되는데 분류 분석을 위해 일반화 부분최소제곱법과 희소 일반화 부분최소제곱법을 고려한다. 실제 데이터인 환자의 clinical, NCFT, QEEG 데이터를 활용해 정상군, 인터넷중독군, 알코올 중독군으로 분류하는 분류분석을 일반화 부분최소제곱법, 희소 일반화 부분최소제곱법을 활용하여 수행한다. 그리고 이 방법들의 분류 정확도를 비교하고 분류 분석 결과들이 주는 의미를 파악하고 분석한다. 차원 축소와 변수 선택에서 오는 분류 분석에 있어 주요 변수들이 무엇인지 또한 파악한다.