[論文レビュー] Nonparametric Estimation of Probability Density Functions of Random Persistence Diagrams

Joshua Lee Mike, Vasileios Maroulas|arXiv (Cornell University)|Mar 7, 2018

Topological and Geometric Data Analysis被引用数 6

ひとこと要約

本稿では、長期間にわたり持続する特徴を個別に、短時間にしか持続しない特徴をまとめて扱う帯域幅を備えた、与えられた図形を中心に核を構築することによって、ランダムなパーシステンス図形の非パラメトリックなカーネル密度推定法を導入する。この手法は、密度推定が真の分布に収束することを保証し、トポロジカルデータ解析における頑健な統計的推論を可能にする。

ABSTRACT

We introduce a nonparametric way to estimate the global probability density function for a random persistence diagram. Precisely, a kernel density function centered at a given persistence diagram and a given bandwidth is constructed. Our approach encapsulates the number of topological features and considers the appearance or disappearance of features near the diagonal in a stable fashion. In particular, the structure of our kernel individually tracks long persistence features, while considering features near the diagonal as a collective unit. The choice to describe short persistence features as a group reduces computation time while simultaneously retaining accuracy. Indeed, we prove that the associated kernel density estimate converges to the true distribution as the number of persistence diagrams increases and the bandwidth shrinks accordingly. We also establish the convergence of the mean absolute deviation estimate, defined according to the bottleneck metric. Lastly, examples of kernel density estimation are presented for typical underlying datasets.

研究の動機と目的

• ベクトル空間構造を持たないランダムなパーシステンス図形のグローバルな確率密度関数（pdf）を推定する非パラメトリックな手法を開発すること。
• データの複雑で非線形な要約であるパーシステンス図形のpdf推定の課題に、その幾何学的・トポロジカルな構造に適合したカーネル密度推定の適応を用いて対処すること。
• 長期間にわたり持続する特徴を個別に追跡し、短時間にしか持続しない特徴を集団として扱うことで、計算の実行可能性を確保すること。
• 標本サイズの増加と帯域幅の縮小に伴い、ボトルネック距離に基づくカーネル密度推定と平均絶対偏差の理論的収束を確立すること。
• トポロジカルデータ解析における統計的推論のためのデータ駆動型フレームワークを提供し、分類の信頼性評価や特徴の生成といった応用を可能にすること。

提案手法

• 帯域幅パラメータを用いて、パーシステンス図形を中心にカーネル密度推定器を構築し、長期間持続する特徴と短時間持続する特徴を別々にモデル化するカーネル関数を採用する。
• 中心図形を上部（長期間持続する特徴）と下部（短時間持続する特徴）に分解する：$\mathscr{D} = \mathscr{D}^u \cup \mathscr{D}^\ell$、ここで$\mathscr{D}^u$は高持続性の特徴を含み、$\mathscr{D}^\ell$は対角線付近の特徴を集約する。
• 下部$\mathscr{D}^\ell$を$\mathcal{W}_{0:\mathbbm{d}-1}$上でのマルチウェッジカーネルとして1つの集団的単位としてモデル化し、計算複雑度を低減する。
• 対角線付近でのトポロジカル特徴の出現・消滅を考慮する安定で非パラメトリックなカーネルを用い、データの摂動に対しても頑健性を確保する。
• $\mathscr{D}^u$と$\mathscr{D}^\ell$の分離構造を活用することで、カーネル密度からの有効なサンプリングを可能にし、$\mathscr{D}^u$に含まれる特徴数に対して線形にスケーリングされる。
• 典型的なカーネル密度推定の仮定$(A1)$–$(A3)$、$(A2)^*$、$(A3)^*$を適用し、理論的整合性を保証する収束解析にカーネルを適用する。

実験結果

リサーチクエスチョン

• RQ1 ベクトル空間構造を持たないランダムなパーシステンス図形に対して、非パラメトリックな確率密度関数を一貫して推定する方法は何か？
• RQ2 トポロジカル特徴、特に長期間持続する特徴と短時間持続する特徴を区別する手法に適合した、安定な推定を可能にするカーネル構築法は何か？
• RQ3 図形の数が増加し、帯域幅が減少する際、カーネル密度推定器が真のパーシステンス図形の下位分布に収束するか？
• RQ4 短時間持続する特徴を集団的にモデル化することで、計算効率が向上するが、推定精度に著しい損失がないか？
• RQ5 推定された密度関数は、トポロジカルデータ解析における分類の頑健性評価や特徴の生成といった高度な統計的タスクをどの程度サポートできるか？

主な発見

• 図形数の増加と適切な帯域幅の縮小に伴い、提案されたカーネル密度推定器は、真のパーシステンス図形の下位分布に確率的に収束する。
• ボトルネック距離を用いて定義された平均絶対偏差推定値についても収束が確認され、推定器の統計的推論における一貫性が裏付けられる。
• 計算面では、中心図形に含まれる長期間持続する特徴数に対して線形にスケーリングされるが、短時間持続する特徴を集団的に扱うことで複雑度が低減され、精度の著しい損失は生じない。
• 推定密度からの実用的サンプリングが可能であり、下部の特徴数に対してはグローバルpdfの評価が二次関数的スケーリングで可能となる。
• 本手法は、ノイズを含む単位円上のデータという代表的な例において、分布構造を的確に捉えており、図形の収束と詳細な分布的洞察を、僅か2次元のスライスでのカーネル密度推定（KDE）により示している。
• 本フレームワークは、尤度に基づく分類の信頼性評価や、従来の要約統計量を上回るより豊かな特徴の生成といった高度な応用を可能にしている。