林　賢一 （ハヤシ　ケンイチ）

Hayashi, Kenichi

写真a

所属（所属キャンパス）

理工学部 数理科学科 （矢上）

職名

准教授
このページの先頭へ▲
 

研究分野 【 表示 ／ 非表示 】

  • 情報通信 / 統計科学

このページの先頭へ▲
 

著書 【 表示 ／ 非表示 】

  • Rで学ぶ統計的データ解析

    林 賢一, 講談社サイエンティフィク, 2020年11月,  ページ数： 352

  • 機械学習 ─データを読み解くアルゴリズムの技法─

    竹村彰通（監訳），田中研太郎，小林景，兵頭昌，片山翔太，山本倫生，吉田拓真，林賢一，松井秀俊，小泉和之，永井勇, 朝倉書店, 2017年04月

    担当範囲: 7章

このページの先頭へ▲

論文 【 表示 ／ 非表示 】

  • Asymptotic Properties of Matthews Correlation Coefficient

    Itaya Y., Tamura J., Hayashi K., Yamamoto K.

    Statistics in Medicine 44 （ 1-2 ）  2025年01月

    ISSN  02776715

    　概要を見る

    Evaluating classifications is crucial in statistics and machine learning, as it influences decision-making across various fields, such as patient prognosis and therapy in critical conditions. The Matthews correlation coefficient (MCC), also known as the phi coefficient, is recognized as a performance metric with high reliability, offering a balanced measurement even in the presence of class imbalances. Despite its importance, there remains a notable lack of comprehensive research on the statistical inference of MCC. This deficiency often leads to studies merely validating and comparing MCC point estimates—a practice that, while common, overlooks the statistical significance and reliability of results. Addressing this research gap, our paper introduces and evaluates several methods to construct asymptotic confidence intervals for the single MCC and the differences between MCCs in paired designs. Through simulations across various scenarios, we evaluate the finite-sample behavior of these methods and compare their performances. Furthermore, through real data analysis, we illustrate the potential utility of our findings in comparing binary classifiers, highlighting the possible contributions of our research in this field.

  • Optimal machine learning models for developing prognostic predictions in patients with advanced cancer

    Hamano, J., Takeuchi, A., Keyaki, T., Nose, H., Hayashi, K.

    Cereus 16 （ 12 ）  2024年12月

    研究論文（学術雑誌）, 共著, 最終著者, 査読有り

  • A new integrated discrimination improvement index via odds

    Hayashi K., Eguchi S.

    Statistical Papers 65 （ 8 ） 4971 - 4990 2024年10月

    ISSN  09325026

    　概要を見る

    Consider adding new covariates to an established binary regression model to improve prediction performance. Although difference in the area under the ROC curve (delta AUC) is typically used to evaluate the degree of improvement in such situations, its power is not high due to being a rank-based statistic. As an alternative to delta AUC, integrated discrimination improvement (IDI) has been proposed by Pencina et al. (2008). However, several papers have pointed out that IDI erroneously detects meaningless improvement. In the present study, we propose a novel index for prediction improvement having Fisher consistency, implying that it overcomes the problems in both delta AUC and IDI. Furthermore, our proposed index also has an advantage that the index we proposed in our previous study (Hayashi and Eguchi 2019) lacked: it does not require any hyperparameters or complicated transformations that would make interpretation difficult.

  • Model Selection with Missing Data Embedded in Missing-at-Random Data

    Takai K., Hayashi K.

    Stats （Stats）  6 （ 2 ） 495 - 505 2023年06月

    共著, 査読有り

    　概要を見る

    When models are built with missing data, an information criterion is needed to select the best model among the various candidates. Using a conventional information criterion for missing data may lead to the selection of the wrong model when data are not missing at random. Conventional information criteria implicitly assume that any subset of missing-at-random data is also missing at random, and thus the maximum likelihood estimator is assumed to be consistent; that is, it is assumed that the estimator will converge to the true value. However, this assumption may not be practical. In this paper, we develop an information criterion that works even for not-missing-at-random data, so long as the largest missing data set is missing at random. Simulations are performed to show the superiority of the proposed information criterion over conventional criteria.

  • An Accelerated Failure Time Cure Model with Shifted Gamma Frailty and Its Application to Epidemiological Research

    Aida H., Hayashi K., Takeuchi A., Sugiyama D., Okamura T.

    Healthcare (Switzerland) （Healthcare (Switzerland)）  10 （ 8 ）  2022年08月

    査読有り

    　概要を見る

    Survival analysis is a set of methods for statistical inference concerning the time until the occurrence of an event. One of the main objectives of survival analysis is to evaluate the effects of different covariates on event time. Although the proportional hazards model is widely used in survival analysis, it assumes that the ratio of the hazard functions is constant over time. This assumption is likely to be violated in practice, leading to erroneous inferences and inappropriate conclusions. The accelerated failure time model is an alternative to the proportional hazards model that does not require such a strong assumption. Moreover, it is sometimes plausible to consider the existence of cured patients or long-term survivors. The survival regression models in such contexts are referred to as cure models. In this study, we consider the accelerated failure time cure model with frailty for uncured patients. Frailty is a latent random variable representing patients’ characteristics that cannot be described by observed covariates. This enables us to flexibly account for individual heterogeneities. Our proposed model assumes a shifted gamma distribution for frailty to represent uncured patients’ heterogeneities. We construct an estimation algorithm for the proposed model, and evaluate its performance via numerical simulations. Furthermore, as an application of the proposed model, we use a real dataset, Specific Health Checkups, concerning the onset of hypertension. Results from a model comparison suggest that the proposed model is superior to existing alternatives.

全件表示 >>

このページの先頭へ▲

KOARA（リポジトリ）収録論文等 【 表示 ／ 非表示 】

このページの先頭へ▲

総説・解説等 【 表示 ／ 非表示 】

このページの先頭へ▲

競争的研究費の研究課題 【 表示 ／ 非表示 】

  • 不均衡データに対する解析法の統合的理解と生存時間解析への発展的応用

    2023年04月
    -
    2027年03月

    林 賢一, 基盤研究(C), 補助金,  研究代表者

  • 異質な集団を含むデータに対する統計的学習理論を用いたモデル開発と臨床医学への応用

    2018年04月
    -
    2022年03月

    文部科学省・日本学術振興会, 科学研究費助成事業, 林　賢一, 基盤研究(C), 補助金,  研究代表者

  • 複雑な生命事象データにおける特異な部分集合の探索的同定に関する研究

    2015年04月
    -
    2018年03月

    文部科学省・日本学術振興会, 科学研究費助成事業, 林　賢一, 若手研究(B), 補助金,  研究代表者

このページの先頭へ▲

受賞 【 表示 ／ 非表示 】

  • 最優秀賞（ポスター部門）

    岡田和也，林賢一, 2024年01月,  2023年度スポーツデータサイエンスコンペティション事務局, 2023年度スポーツデータサイエンスコンペティション

    受賞区分： 国内学会・会議・シンポジウム等の賞

    　説明を見る

    岡田和也（理工学部数理科学科，筆頭著者）との共同研究

  • 若手優秀発表賞

    2021年05月, 日本計量生物学会

    受賞区分： 国内学会・会議・シンポジウム等の賞

    　説明を見る

    2021年度計量生物学会年会 若手優秀発表賞（正会員の部）

  • 最優秀賞

    奥富航，林賢一, 2018年01月, 第7回スポーツデータ解析コンペティション審査会, 第7回スポーツデータ解析コンペティション

    受賞区分： 国内学会・会議・シンポジウム等の賞

    　説明を見る

    奥富航（理工学部数理科学科，筆頭著者）との共同研究

  • 論文賞

    2017年12月, 日本分類学会, 日本分類学会

    受賞区分： 国内学会・会議・シンポジウム等の賞

  • 論文賞

    2015年05月, 日本計算機統計学会, 日本計算機統計学会

    受賞区分： 国内学会・会議・シンポジウム等の賞

このページの先頭へ▲
 

担当授業科目 【 表示 ／ 非表示 】

  • 統計科学特論Ｃ

    2025年度

  • 統計科学同演習

    2025年度

  • 統計科学輪講

    2025年度

  • 数学２Ｂ

    2025年度

  • 数学１Ａ

    2025年度

全件表示 >>

このページの先頭へ▲