[논문 리뷰] Approximating Persistent Homology for Large Datasets

Yueqi Cao, Anthea Monod|arXiv (Cornell University)|2022. 04. 19.

Topological and Geometric Data Analysis인용 수 4

한 줄 요약

이 논문은 직접 계산이 불가능한 대규모 데이터셋에서 지속homology를 근사하기 위해 부트스트래핑 기반의 부분표본 추출 기법을 제안한다. 여러 부분표본에서 얻은 지속다이어그램의 평균을 계산하여 진정한 지속다이어그램에 대한 통계적으로 타당하고 수렴하는 근사를 제공하며, 무작위 집합 이론에서 프레셰 평균과 워셔슈타인 안정성에 기반해 수렴 속도를 명시적으로 유도한다.

ABSTRACT

Persistent homology is an important methodology in topological data analysis which adapts theory from algebraic topology to data settings. Computing persistent homology produces persistence diagrams, which have been successfully used in diverse domains. Despite its widespread use, persistent homology is simply impossible to compute when a dataset is very large. We study a statistical approach to the problem of computing persistent homology for massive datasets using a multiple subsampling framework and extend it to three summaries of persistent homology: Hölder continuous vectorizations of persistence diagrams; the alternative representation as persistence measures; and standard persistence diagrams. Specifically, we derive finite sample convergence rates for empirical means for persistent homology and practical guidance on interpreting and tuning parameters. We validate our approach through extensive experiments on both synthetic and real-world data. We demonstrate the performance of multiple subsampling in a permutation test to analyze the topological structure of Poincaré embeddings of large lexical databases.

연구 동기 및 목표

• 매우 큰 데이터셋에서 지속homology의 계산 비가용성 문제를 해결하기 위해.
• 부분표본을 활용하여 진정한 지속다이어그램에 대한 통계적으로 타당한 근사를 개발하기 위해.
• 부분표본 지속다이어그램의 평균이 진정한 지속측도로의 유한표본 수렴 속도를 확립하기 위해.
• 벡터화된 형태가 아닌 지속다이어그램으로 결과를 반환함으로써 해석 가능성 유지하기 위해.
• 위상적 데이터 분석의 적용 범위를 유럽형 점구름과 메트릭 공간을 포함한 대규모 실세계 데이터로 확장하기 위해.

제안 방법

• 큰 데이터셋에서 여러 개의 더 작은 부분표본을 추출하는 고전적 부트스트래핑 기법을 응용한다.
• 각 부분표본에 대해 지속다이어그램을 계산하고, 그 평균을 평균 지속측도로 정의한다.
• 워셔슈타인 거리 기반 지속다이어그램 공간에서 프레셰 평균을 정의하기 위해 사용한다.
• 지속다이어그램의 볼록성과 안정성 성질을 무작위 집합 이론과 결합하여 수렴 경계를 도출한다.
• 편향-분산 분해를 활용하여 근사 오차를 제어하고 부분표본 크기 및 수를 안내한다.
• 합성 및 실세계 데이터를 사용하여 결과를 검증하며, 대규모 점구름에서의 형태 클러스터링을 포함한다.

실험 결과

연구 질문

• RQ1 부분표본에서 유도된 지속다이어그램의 평균은 큰 데이터셋의 진정한 지속다이어그램에 대해 일致적인 근사를 제공할 수 있는가?
• RQ2 지속다이어그램의 평균이 진정한 지속측도로의 수렴 속도는 어떤가?
• RQ3 부분표본 크기와 부분표본 수의 선택은 근사 오차에 어떤 영향을 미치는가?
• RQ4 이 방법은 확장 가능한 위상적 분석을 가능하게 하면서도 해석 가능성을 유지할 수 있는가?
• RQ5 이 접근법은 유한 메트릭 공간과 가중치가 부여된 그래프와 같은 비유클리드 데이터 유형으로 일반화될 수 있는가?

주요 결과

• 부분표본에서 유도된 평균 지속다이어그램은 무작위 집합 이론을 활용해 명시적인 경계를 도출함으로써 진정한 지속다이어그램으로 수렴하는 양질의 속도를 보인다.
• 최적의 부분 운반 거리 기반 수렴을 달성하며, 편향과 분산 성분에 대한 이론적 보장을 제공한다.
• 결과를 벡터화하지 않고 지속다이어그램 형태로 반환함으로써 해석 가능성을 유지한다.
• 합성 및 실세계 데이터에서의 경험적 검증을 통해 'Knot', 'Lock', 'Bearing', 'Motor' 점구름에서의 형태 클러스터링 성능이 뛰어나다는 것이 확인되었다.
• 이 방법은 일반적인 유한 메트릭 공간과 가중치가 부여된 그래프에서도 잘 작동하여 유클리드 점구름을 넘어서 보다 광범위한 일반화 가능성을 시사한다.
• 이 프레임워크는 직접적인 지속homology 계산이 불가능한 너무 큰 데이터셋에서도 실용적인 위상적 분석을 가능하게 한다.