「統計学関連なんでもあり」の過去ログ--- 047

No.21907　分類・解析　　【ひろ】　2016/02/02(Tue) 20:12

質問させていただきます。

N=8000ほどの母集団が存在し，50ほどのグループに分かれています。そしてN=8000に対して30000種類ほどの特徴の有無が0, 1表記されています。
例えば，以下の具合です。

　　　特徴1 特徴2 特徴3　　　・・・・・　特徴30000まで
00001 　　　1 0 0
00002 　　　0 0 0
00003 　　　0 1 0
00004 　　　1 0 1
00005 　　　0 1 1
00006 　　 1 1 1
～N=8000まで

更に00001～00203番まではグループA，00204～00303まではグループB
といった具合で，特徴1-3000にはないある決定的な要因でグループわけがされています。
人種に例えていただくとわかりやすいかと思いますが，グループAがアメリカ，Bが日本で，00001などが個人個人，特徴が身長・目の色などと考えていただくといいと思います。
特徴1と2にはまずは相関関係は全くないと想定して話を進めます。

やりたいとこととしては，
①新しい8001が入ってきたときにどのグループに配属されるかを決定すること（できれば確率も出したいです。例えばグループAの確率が30%，グループBは5%など）。
②特徴が30000種類ありますが，この中でグループ配属に関わる特徴のみを抽出したいと考えています。

どのような検定・解析方法が考えられますでしょうか？
御教示いただけると大変助かります。

No.21908　Re: 分類・解析　　【青木繁伸】　2016/02/02(Tue) 23:35

変数選択を伴う線形判別分析，ロジスティック判別などでしょう。
でもまあ，変数（候補）が3万もあったり，群が50程もあるというのも，常軌を逸しているとは思いますが。