[논문 리뷰] A data-based power transformation for compositional data

Michail Tsagris, Simon Preston외 1명|arXiv (Cornell University)|2011. 06. 07.

Geochemistry and Geologic Mapping참고 문헌 17인용 수 36

한 줄 요약

이 논문은 원자료 분석(RDA)과 로그비 분석(LRA)을 일파라미터 박스-콕스 유형 전환의 특수한 경우로 일반화하는 데이터 기반의 전환 프레임워크를 제안한다. 프로파일 로그우도나 분류 정확도와 같은 기준을 통해 전환 파라미터 α를 최적화함으로써 단형의 기하학적 구조를 데이터에 맞게 조정하여 중심 경향성 추정치 향상과 더 나은 모델 적합도를 달성한다. 아카틱 lakе 데이터의 경우 최적의 α = 0.362로 나타났다.

ABSTRACT

Compositional data analysis is carried out either by neglecting the compositional constraint and applying standard multivariate data analysis, or by transforming the data using the logs of the ratios of the components. In this work we examine a more general transformation which includes both approaches as special cases. It is a power transformation and involves a single parameter, α. The transformation has two equivalent versions. The first is the stay-in-the-simplex version, which is the power transformation as defined by Aitchison in 1986. The second version, which is a linear transformation of the power transformation, is a Box-Cox type transformation. We discuss a parametric way of estimating the value of α, which is maximization of its profile likelihood (assuming multivariate normality of the transformed data) and the equivalence between the two versions is exhibited. Other ways include maximization of the correct classification probability in discriminant analysis and maximization of the pseudo R-squared (as defined by Aitchison in 1986) in linear regression. We examine the relationship between the α-transformation, the raw data approach and the isometric log-ratio transformation. Furthermore, we also define a suitable family of metrics corresponding to the family of α-transformation and consider the corresponding family of Frechet means.

연구 동기 및 목표

• 고정된 기하학적 구조의 제약을 해결하기 위해 데이터 기반의 전환 파라미터 선택을 가능하게 한다.
• 일반적인 전환 프레임워크 내에서 RDA(α = 1)와 LRA(α → 0)를 하나의 민첩한 프레임워크로 통합한다.
• 데이터 특성과 분석 목표에 기반하여 최적의 전환 파라미터 α를 선택하는 실용적인 방법을 제공한다.
• RDA와 LRA 사이의 선택은 사전 가정이 아닌 데이터에 따라 달라져야 한다는 것을 보여준다.

제안 방법

• 구성 데이터에 대한 일파라미터 전환 가족을 도입하며, α ≠ 0일 때는 x_i^{(α)} = (x_i^α / sum_j x_j^α)^{1/α}로 정의하고, α → 0일 땐 기하평균으로 정의한다.
• 단형상의 α-거리로는 변환된 공간에서의 유클리드 거리로 정의되며, 극한의 경우 RDA(α = 1)와 LRA(α → 0)로 수렴한다.
• α-거리 하에서의 프레셰 평균을 중심 경향성 측정치로 사용하며, 이는 α = 1일 때 산술평균으로 수렴하고 α → 0일 때 닫힌 기하평균으로 수렴한다.
• 프로파일 로그우도, 교차검증 분류 정확도, 또는 회귀분석에서의 가짜 R²를 통해 α를 최적화하여 가장 적절한 전환을 선택한다.
• 실제 및 인위적 데이터셋(아카틱 레이크 데이터 포함)에 적용하여 다양한 α 값에서의 성능을 비교한다.
• 삼각도를 사용하여 다양한 α 값에서의 프레셰 평균을 비교하여 결과를 시각화한다.

실험 결과

연구 질문

• RQ1 RDA와 LRA를 일반적인 전환의 특수한 경우로 포함하는 통합 프레임워크를 개발할 수 있는가?
• RQ2 최적의 전환 파라미터 α는 다양한 구성 데이터셋에서 다르게 변할 수 있으며, 데이터 기반 기준을 통해 선택할 수 있는가?
• RQ3 α의 선택이 단형의 기하학적 구조와 그에 따른 중심 경향성 추정치에 어떤 영향을 미치는가?
• RQ4 데이터 기반의 α 선택이 고정된 RDA나 LRA보다 모델 적합도 또는 분류 성능 향상에 실증적 증거를 제공하는가?

주요 결과

• 아카틱 레이크 데이터의 경우, α의 프로파일 로그우도가 α = 0.362에서 최대화되어 RDA(α = 1)나 LRA(α → 0)보다 더 나은 적합도를 보였다.
• 삼각도에서 α = 0.362에서의 프레셰 평균은 산술평균(α = 1)이나 닫힌 기하평균(α → 0)보다 더 대표적인 중심 위치를 제공하였다.
• 데이터 기반의 파워 전환 프레임워크는 기저 데이터 구조에 맞게 단형의 기하학적 구조를 민첩하게 적응시켜 해석 가능성과 모델 적합도를 향상시킨다.
• 특히 데이터가 로그정규분포나 선형 구조에서 벗어날 경우, 고정된 접근법에 비해 중심 경향성 추정 및 모델 적합도에서 뛰어난 성능을 보였다.
• 이 프레임워크는 임의의 가정 없이 원칙적이고 데이터 기반의 전환 선택을 가능하게 하여 구성 데이터에 적합한 기하학적 구조 선택을 방지한다.