[論文レビュー] giotto-tda: A Topological Data Analysis Toolkit for Machine Learning and Data Exploration

Guillaume Tauzin, Umberto Lupo+7 more|arXiv (Cornell University)|Apr 6, 2020

Topological and Geometric Data Analysis被引用数 99

ひとこと要約

giotto-tda は、scikit-learn互換の API を備えた機械学習へのトポロジカルデータ解析をもたらす Python ライブラリで、さまざまなデータ型に対して持続的ホモロジー、Mapper、対話的ビジュアライゼーションを可能にします。

ABSTRACT

We introduce giotto-tda, a Python library that integrates high-performance topological data analysis with machine learning via a scikit-learn-compatible API and state-of-the-art C++ implementations. The library's ability to handle various types of data is rooted in a wide range of preprocessing techniques, and its strong focus on data exploration and interpretability is aided by an intuitive plotting API. Source code, binaries, examples, and documentation can be found at https://github.com/giotto-ai/giotto-tda.

研究の動機と目的

• TDA を Python データサイエンスコミュニティと研究者にアクセスしやすくする。
• 多様なデータ型からのトポロジカル特徴を用いたエンドツーエンドの ML パイプラインを実現する。
• TDA におけるハイパーパラメータ調整、クロスバリデーション、特徴選択のための scikit-learn 互換インターフェースを提供する。
• データ探索を支援するためのトポロジカル署名の対話的視覚化と解釈を提供する。

提案手法

• データを持続的ダイアグラムおよび関連特徴へ変換するための scikit-learn 互換の推定器と変換器を提供する。
• TransformerResamplerMixin と拡張された Pipeline を提供し、時系列埋め込みと柔軟な前処理をサポートする。
• 持続的ホモロジーと関連表現のスケーラブルな計算のために、pybind11 結合を介して高性能 C++ ライブラリを統合する。
• 時系列、画像、グラフ、点群などの複数の入力データ型をサポートする、幅広い持続的ホモロジーと Mapper アルゴリズムを含む。
• 対話的なトップロジカル特徴と中間結果の探索のための Plotly ベースの描画 API を公開する。
• パイプライン内で PyTorch/TensorFlow エコシステムへのラッパーを通じてディープラーニング推定器をサポートする（例: skorch）。
• 並列処理（joblib）とメモリキャッシュを活用してハイパーパラメータチューニングと対話的視覚化を加速する。

実験結果

リサーチクエスチョン

• RQ1 scikit-learn 互換の Python API を用いて、トポロジカルデータ解析をスケーラブルな ML パイプラインにどう統合できるか？
• RQ2 統一されたライブラリで、どの範囲のデータ型が TDA 前処理を通じてトポロジカル特徴に変換できるか？
• RQ3 持続的ダイアグラムとその表現をエンドツーエンドの ML ワークフローの特徴としてどう利用できるか？
• RQ4 モデル開発中にトップロジカル署名を対話的に可視化・解釈するために、どのツールが必要か？
• RQ5 現代の TDA ライブラリは機能と性能の点でどのように比較され、giotto-tda はどこに位置づけられるか？

主な発見

• giotto-tda は、持続的ホモロジーと Mapper のための幅広く scikit-learn 互換のインターフェースを提供し、エンドツーエンドのパイプラインを可能にする。
• このライブラリは、広範な前処理トランスフォーマを通じて、複数のデータモダリティ（時系列、画像、グラフ、点群）を対象とする。
• 最先端の C++ 実装を pybind11 経由で統合し、パフォーマンスを向上させ、並列計算とメモリキャッシュを提供する。
• Plotly ベースの対話的描画 API は、パイプライン内の中間 TDA 結果の視覚化と探索を促進する。
• 本プロジェクトは、ドキュメンテーション、チュートリアル、コミュニティ主導の開発を強調し、CI/CD と高いテストカバレッジ（98%）を備える。
• giotto-tda は、従来の ML ワークフローを補完する、トポロジカル機械学習とデータ探索の総合的な Python ライブラリとして位置づけられる。