[論文レビュー] Generalized Cluster Trees and Singular Measures

Yen‐Chi Chen|arXiv (Cornell University)|Nov 8, 2016

Topological and Geometric Data Analysis参考文献 42被引用数 5

ひとこと要約

本稿では、密度関数が定義されない特異測度においても有効な、従来の密度に基づくクラスターツリーの代替手段として$α$-クラスターツリーを導入する。臨界点付近のレベル集合における収束速度を確立し、スケーリングを施した場合のカーネル密度推定器（KDE）の点別一貫性を証明するとともに、$L_{\infty}$収束が失敗しても、統合距離を用いたトポロジカル一貫性が$α$-ツリー推定値に対して成立することを示す。さらに、特異測度に特有のトポロジカル特徴として、次元的臨界点（DCPs）を同定する。

ABSTRACT

In this paper, we study the $α$-cluster tree ($α$-tree) under both singular and nonsingular measures. The $α$-tree uses probability contents within a level set to construct a cluster tree so that it is well-defined for singular measures. We first derive the convergence rate for a density level set around critical points, which leads to the convergence rate for estimating an $α$-tree under nonsingular measures. For singular measures, we study how the kernel density estimator (KDE) behaves and prove that the KDE is not uniformly consistent but pointwisely consistent after rescaling. We further prove that the estimated $α$-tree fails to converge in the $L_\infty$ metric but is still consistent under the integrated distance. We also observe a new type of critical points--the dimensional critical points (DCPs)--of a singular measure. DCPs occur only at singular measures, and similar to the usual critical points, DCPs contribute to cluster tree topology as well. Building on the analysis of the KDE and DCPs, we prove the topological consistency of an estimated $α$-tree.

研究の動機と目的

• 特異測度において従来の密度に基づくクラスターツリーが定義されない状況にまでクラスターツリーの手法を拡張すること。
• 特に一様一貫性の欠如を示す特異測度下でのカーネル密度推定器（KDE）の挙動を分析すること。
• 一様$ L_{\infty} $収束が失敗する状況下でも、統合距離に基づく推定$α$-ツリーのトポロジカル一貫性を確立すること。
• 特異測度に特有のクラスターツリーのトポロジカル構造に影響を与える、新たな種類の臨界点—次元的臨界点（DCPs）—を同定・特徴づけること。
• 臨界点付近のレベル集合の収束速度を導出し、非特異測度および特異測度の両状況下での$α$-ツリー推定にまでその結果を拡張すること。

提案手法

• 特異測度に対しても定義可能な$\alpha(x) = P(\{y: p(y) \leq p(x)\})$を用いた$α$-ツリー構築法を採用する。
• バンド幅選択を伴うカーネル密度推定（KDE）を用いて$p_n(x)$および$\alpha_n(x)$を推定し、データから$α$-ツリーを推定可能にする。
• 局所的展開およびバイアス・バリアンス分解を用いて、臨界点周辺のレベル集合の収束速度を導出し、特に$α$-ツリー推定に適用する。
• 密度勾配では検出できないが、特異測度に由来するトポロジカル特徴としての次元的臨界点（DCPs）の概念を導入する。
• 臨界点検出の誤差を制御するため、Talagrandの不等式および勾配・ヘッセ行列推定の一様バウンドを用いる。
• 関数、勾配、ヘッセ行列の誤差項$\delta^{(j)}_{n,h,s}$（$j=0,1,2$）に対するバウンドを用いて、推定$α$-ツリーが真のツリーに統合距離で収束することを示し、トポロジカル一貫性を証明する。

実験結果

リサーチクエスチョン

• RQ1 従来の密度に基づくクラスターツリーが機能しない特異測度下で、$α$-クラスターツリーはどのように振る舞うか？
• RQ2 非特異測度下で、臨界点付近の推定$α$-ツリーの収束速度はどのようになるか？
• RQ3 特異測度下でカーネル密度推定器（KDE）は一様一貫性を示すか？そうでない場合、どのような一貫性性質を保持するか？
• RQ4 $L_{\infty}$収束が失敗する状況下でも、推定$α$-ツリーはトポロジカル一貫性を達成できるか？
• RQ5 特異測度に現れる新たな種類の臨界点は何か？また、それらはクラスターツリーのトポロジにどのように影響を与えるか？

主な発見

• KDEは特異測度下では一様一貫性を示さないが、適切なスケーリングを施せば点別一貫性を示す。
• 特異測度下では推定$α$-ツリーは一様$ L_{\infty} $距離で収束しないが、統合距離距離で一貫性を示す。
• 密度勾配では検出できないが、特異測度に特有のトポロジカル特徴として、新たな臨界点のクラス—次元的臨界点（DCPs）—が同定された。
• 非特異測度下では、臨界点における推定レベル集合の収束速度を導出し、それが$α$-ツリー推定の収束速度に繋がることを示した。
• 推定$α$-ツリーのトポロジカル一貫性が証明された：適切なバンド幅条件の下で、$P(T_{\widehat{\alpha}_n} \overset{T}{\approx} T_\alpha) \geq 1 - c_3 \cdot e^{-c_5 \cdot nh^{d+4}}$（$c_5 > 0$）が成り立つ。
• 誤差項$\delta^{(j)}_{n,h,s}$の収束速度は、$c_1 h^{2 \land m(x)} + c_2 Z_d$で有界であり、$Z_d = O_P\left(\sqrt{\frac{\log n}{nh^{d+4}}}\right)$であるため、トポロジカル的安定性が保証される。