[論文レビュー] Asymptotics of Lower Dimensional Zero-Density Regions

Hengrui Luo, Steve MacEachern+1 more|arXiv (Cornell University)|Jun 3, 2020

Topological and Geometric Data Analysis参考文献 34被引用数 4

ひとこと要約

本稿では、収縮する半径の被覆球を用いて、密度関数の分布的性質を活用し、次第に低次元のゼロ密度領域を漸近的に検出する手法を提案する。半径の減少度と密度の滑らかさに関する特定の条件下で、標本サイズが増加するに従い、その領域が確率1に近づいて検出可能であることを証明しており、誤検出の最小化を図っている。

ABSTRACT

Topological data analysis (TDA) allows us to explore the topological features of a dataset. Among topological features, lower dimensional ones have recently drawn the attention of practitioners in mathematics and statistics due to their potential to aid the discovery of low dimensional structure in a data set. However, lower dimensional features are usually challenging to detect based on finite samples and using TDA methods that ignore the probabilistic mechanism that generates the data. In this paper, lower dimensional topological features occurring as zero-density regions of density functions are introduced and thoroughly investigated. Specifically, we consider sequences of coverings for the support of a density function in which the coverings are comprised of balls with shrinking radii. We show that, when these coverings satisfy certain sufficient conditions as the sample size goes to infinity, we can detect lower dimensional, zero-density regions with increasingly higher probability while guarding against false detection. We supplement the theoretical developments with the discussion of simulated experiments that elucidate the behavior of the methodology for different choices of the tuning parameters that govern the construction of the covering sequences and characterize the asymptotic results.

研究の動機と目的

• 標準的なトポロジカル・データ解析（TDA）では測度ゼロのサポートのため検出できない低次元のゼロ密度領域を同定する課題に対処すること。
• 有限標本の点パターンに依存するのではなく、このような領域の周囲におけるデータの蓄積の漸近的挙動に着目した手法の開発。
• ゼロ密度領域の検出確率を高める一方で、存在しない特徴の誤検出を防ぐ。
• 標本サイズが増加するに従い、被覆球構成がこれらの特徴を信頼性を持って同定できる条件を形式化すること。

提案手法

• 標本サイズの増加に従い収縮する半径を持つ球を用いて、密度関数の台を被覆する球の列を構築する。
• 目的のゼロ密度領域 $ S_0 $ と交差する球に注目し、極限においてすべてのこのような球がデータ点を含まないことを目指す。
• 密度の局所的挙動に基づいて、$ S_0 $ の $ \rho(n) $-近傍内に存在する点の期待数に基づく確率的バウンドを用いる。
• ベルヌーイの不等式を適用し、半径の減少が十分に速い条件下で、関連するすべての球が空である確率が1に近づくことを示す。
• 密度のヒルダー滑らかさ $ \underline{K}_f $、次元 $ d $、低次元構造 $ d_0 $ を含む臨界な条件を定義する：$ 1 + d_0\eta - \underline{K}_f\eta - d\eta < 0 $。
• $ \epsilon(n) $ という調整パrameterを導入し、$ S_0 $ の周囲の近傍サイズを定義し、半径 $ r(n) $ がこの近傍と密度の滑らかさに適合する速度で減少することを保証する。

実験結果

リサーチクエスチョン

• RQ1 標本サイズが増加するに従い、確率質量を持たないにもかかわらず、低次元のゼロ密度領域は、より高い精度で検出可能になるか？
• RQ2 半径の減少度と密度の滑らかさにどのような条件が課されると、このような領域の周囲の被覆球が高確率で空のままであるか？
• RQ3 この手法は、有限標本における誤検出やノイズ由来の偽の穴と、真のゼロ密度構造をどのように区別できるか？
• RQ4 密度の局所的ヒルダー滑らかさが、低次元特徴の検出可能性に果たす役割は何か？
• RQ5 被覆球の半径および近傍サイズの選択が、漸近的検出確率にどのように影響するか？

主な発見

• 条件 $ 1 + d_0\eta - \underline{K}_f\eta - d\eta < 0 $ の下で、$ n \to \infty $ のとき、$ S_0 $ と交差するすべての $ \epsilon(n) $-内側被覆球が空である確率は1に収束する。
• 非ゼロ密度領域は、最終的に少なくとも1つのデータ点を含む球によってカバーされ、特徴の区別が保たれる。
• 漸近的検出率は、次元 $ d $、低次元構造 $ d_0 $、密度の局所的ヒルダー滑らかさ $ \underline{K}_f $ の相互作用に依存する。
• 誤検出の確率は、関連する球内に存在する点の期待数が十分に速く減少することにより制御される。
• 理論的枠組みは、半径および近傍サイズの調整パrameterの異なる設定における挙動を示すシミュレーション実験によって裏付けられる。
• 結果は $[0,1]^d$ 上で適切に定義された密度関数に対して成り立ち、やや弱い正則性条件のもとでより一般的な台に対しても拡張可能である。