[論文レビュー] Robust statistics, hypothesis testing, and confidence intervals for persistent homology on metric measure spaces

Andrew J. Blumberg, Itamar Gal+2 more|arXiv (Cornell University)|Jun 20, 2012

Topological and Geometric Data Analysis参考文献 30被引用数 6

ひとこと要約

本稿は、固定サイズの標本からのバーコート分布を分析することにより、距離測度空間における恒続的ホモロジーのための頑健な統計的枠組みを導入する。バーコート距離を用いた仮説検定と信頼区間の構築を可能にし、標本サイズの増加に伴いバーコート分布が安定し、ノイズに対して頑健であることを示している。実験的結果により、真正の位相的特徴量を偽の特徴量と区別する高信頼性が確認された。

ABSTRACT

We study distributions of persistent homology barcodes associated to taking subsamples of a fixed size from metric measure spaces. We show that such distributions provide robust invariants of metric measure spaces, and illustrate their use in hypothesis testing and providing confidence intervals for topological data analysis.

研究の動機と目的

• ノイズや低確率の特徴に敏感であるため、恒続的ホモロジーが統計的検定の統計量として用いられる際の頑健性の欠如に対処すること。
• 距離測度空間の下位確率測度を組み込んだ、恒続的ホモロジーの統計的基盤を構築すること。
• 有限標本からのバーコートの分布をモデル化することで、位相的データ解析における仮説検定と信頼区間の構築を可能にすること。
• 標本サイズの増加に伴いバーコート分布が安定し、微小な摂動に対しても頑健であることを示すこと。
• ベアトリス＝リップス複体とウォッチマン複体の両方を用いて結果を検証し、異なる計算的手法において一貫した結果が得られることを示すこと。

提案手法

• 標本サイズ $n$ の固定された $k$-次恒続的ホモロジー写像による、積測度 $\mu_X^{\otimes n}$ の押し出し写像としての経験的測度 $\Phi_k^n$ を定義し、バーコート空間 $\overline{\mathcal{B}}$ 上の分布を生成する。
• バーコート空間の距離をバトルネット距離 $d_{\mathcal{B}}$ で定義し、確率論のための完備性と分離可能性を保証する。
• 非パラメトリック推定（定義6.8）を用いて、経験的バーコート分布と仮説的なバーコートとの間の平均バトルネット距離（MHD）の信頼区間を計算する。
• プロホロフ距離およびワーサーテイン距離を用いて、バーコート空間上での確率測度の弱収束を距離づけ、統計的推論を可能にする。
• アルゴリズム7.1を実装し、$K=1000$ 個の標本からなるサブサンプルを用いて $\Phi_k^n$ の経験的近似を計算し、バーコートのカットオフ値を2に設定する。
• ブートストラップリサンプリングを用いて結果を検証し、非パラメトリック信頼区間とブートストラップ信頼区間の間で一致が得られることを示した。

実験結果

リサーチクエスチョン

• RQ1 有限標本からの恒続的ホモロジーのバーコートを、統計的推論を可能にするポーランド空間上の確率変数としてモデル化できるか？
• RQ2 ノイズや低確率のアーチファクトが存在する状況において、どのようにして頑健な信頼区間と仮説検定を構築できるか？
• RQ3 標本サイズの増加に伴い、サブサンプルからのバーコート分布は安定するのか？また、微小な摂動に対しても頑健か？
• RQ4 異なる複体構築法（ベアトリス＝リップス複体対ウォッチマン複体）は、バーコート分布の安定性と集中性にどのように影響するか？
• RQ5 非パラメトリック信頼区間による平均バトルネット距離の推定は、仮説的なバーコートからの逸脱を信頼性高く検出できるか？

主な発見

• 150および500標本のウォッチマン複体において、$\operatorname{MHD}_1^{150}({\mathcal{M}}(15,30))$ の95%および99%信頼区間は、それぞれ $[0.021,0.023]$ および $[0.021,0.024]$ であり、基準バーコートへの推定距離に高い信頼性があることを示している。
• $\operatorname{MHD}_1^{100}({\mathcal{M}}(15,30))$ の95%および99%信頼区間は $[0.024,0.027]$ であり、同様の安定性と精度が得られている。
• 5本のバー $[0,2)$ を持つ仮説を検証したところ、他の $\ell \neq 5$ のバー数を持つ仮説と比較して、5本バー仮説への距離は顕著に小さく、99%水準で統計的に有意であった。
• 小さな標本サイズ（25および75）では、$\operatorname{MHD}_1^{25}$ および $\operatorname{MHD}_1^{75}$ の信頼区間は、それぞれ $[1.931,1.939]$ および $[1.859,1.866]$ であり、これらの分布が5本バー仮説から著しく離れているという高い信頼性が示された。
• ブートストラップリサンプリングにより、非パラメトリック信頼区間の妥当性が確認され、両者の間で良好な一致が得られ、手法の信頼性が強化された。