■

Gaussian mixture clustering and imputation of microarray data
Bioinformatics 2004 Apr 12;20(6):917-23
欠損値予測ものだった．アレイデータでの欠損値を PCA(っていうか SVD), k-NN 法を使った欠損値，そして彼らの使っている GMC(Gaussian mixture clustering) を使った結果で解析している．混合ガウス分布のパラメータは EM 法を使って求めており，何個のガウス分布で近似するのかは，2〜8個の中で最適なものを選んでいる．GMC で予測するのが一番良かったと結論している

SVD, k-NN, GMC ともに言える事だけど，何個のパラメータで予測するのかを決めるのかが鍵になると思う．この論文では正解を知った上で何個が最適化を見せているのだが，本番データでは分かる由も無い．ただ，MDL(Minimum description length) や AIC(Akaike Information Criteria) を使って最適パラメータ数を設定することは可能かもしれない．その意味では MDL/AIC との相性が良いと思われる，この論文の方法は悪くないと思った．