[논문 리뷰] Intrinsic Metrics: Nearest Neighbor and Edge Squared Distances.

Timothy Chu, Gary L. Miller외 1명|arXiv (Cornell University)|2017. 09. 22.

Topological and Geometric Data Analysis참고 문헌 34인용 수 1

한 줄 요약

이 논문은 변의 제곱 거리 측도와 근접 이웃 거리 측도 간의 동치성을 증명하며, 서로 다른 수식화—한쪽은 이산적이고, 다른 쪽은 연속적임에도 불구하고 동일한 거리 측도를 제공함을 보여준다. 키르슈브라운 정리를 활용하여 저자들은 이산적이고 연속적인 거리 측도 사이의 기초적인 연결을 확립하며, 동일분포 표본에서의 근접 이웃 거리가 자연스러운 밀도 기반 거리 함수의 상수 근사임을 보여준다.

ABSTRACT

Some researchers have proposed using non-Euclidean metrics for clustering data points. Generally, the metric should recognize that two points in the same cluster are close, even if their Euclidean distance is far. Multiple proposals have been suggested, including the Edge-Squared Metric (a specific example of a graph geodesic) and the Nearest Neighbor Metric. In this paper, we prove that the edge-squared and nearest-neighbor metrics are in fact equivalent. Previous best work showed that the edge-squared metric was a 3-approximation of the Nearest Neighbor metric. This paper represents one of the first proofs of equating a continuous metric with a discrete metric, using non-trivial discrete methods. Our proof uses the Kirszbraun theorem (also known as the Lipschitz Extension Theorem and Brehm's Extension Theorem), a notable theorem in functional analysis and computational geometry. The results of our paper, combined with the results of Hwang, Damelin, and Hero, tell us that the Nearest Neighbor distance on i.i.d samples of a density is a reasonable constant approximation of a natural density-based distance function.

연구 동기 및 목표

• 변의 제곱 거리 측도와 근접 이웃 거리 측도가 동치인지 여부에 대한 열린 문제를 해결하기 위해.
• 이산적 거리 측도(근접 이웃)와 연속적 거리 측도(변의 제곱) 사이의 엄밀한 증명을 제공함으로써, 거리 측도 기하학에서 드물고 비틀린 결과를 이룩하기 위해.
• 근접 이웃 거리 측도를 군집화에 사용하는 데 있어 이론적 기초를 강화하기 위해, 자연스러운 밀도 기반 거리 함수를 근사함을 보여주기 위해.
• 비유클리드적이고 데이터 기반의 맥락에서 키르슈브라운 정리를 적용하여 이산적이고 연속적 거리 측도 간의 동치성을 확립하기 위해.

제안 방법

• 증명은 리프시츠 확장 정리(즉, 리프시츠 함수의 확장 정리)인 키르슈브라운 정리를 활용하여, 거리 공간 간의 리프시츠 함수를 확장함으로써 이산적이고 연속적 거리 측도 간의 비교를 가능하게 한다.
• 저자들은 근접 이웃 거리 측도를 그래프 지오데식으로 분석하며, 각 점의 가장 가까운 이웃을 연결 엣지로 간주한다.
• 변의 제곱 거리 측도가 엣지 가중치가 제곱된 거리인 그래프에서의 최단 경로로 정의되며, 이는 근접 이웃 거리 측도와 동일한 거리 측도 성질을 만족함을 보여준다.
• 증명은 두 거리 측도 사이의 이중 리프시츠 임bedding을 구성함으로써, 키르슈브라운 프레임워크 하에서 그 동치성을 입증한다.
• 기능 해석학과 계산 기하학의 도구를 조합하여 이산적이고 연속적 거리 공간 간의 다리를 놓는다.

실험 결과

연구 질문

• RQ1 변의 제곱 거리 측도와 근접 이웃 거리 측도는 수학적으로 동치인가?
• RQ2 근접 이웃 거리와 같이 이산적인 거리 측도가 자연스러운 밀도 기반 거리 함수를 엄밀히 근사할 수 있는가?
• RQ3 키르슈브라운 정리는 이산적이고 연속적 거리 측도 간의 동치성을 입증하는 데 실용적인 이론적 프레임워크를 제공하는가?
• RQ4 근접 이웃 거리 측도는 자연스러운 밀도 기반 거리 함수에 대해 어떤 정도의 근사 품질을 가지는가?

주요 결과

• 변의 제곱 거리 측도와 근접 이웃 거리 측도는 수학적으로 동치이며, 거리 측도 학습 분야에서 오랫동안 남아있던 열린 문제를 해결한다.
• 증명은 정확한 동치성(1-근사)을 확립하며, 이는 이전의 3-근사 결과를 향상시킨다.
• 키르슈브라운 정리는 이산적이고 연속적 거리 측도 간의 비틀린 이론적 연결을 가능하게 하며, 이 맥락에서 새로운 응용이다.
• 밀도의 i.i.d. 표본에서의 근접 이웃 거리가 자연스러운 밀도 기반 거리 함수의 상수 근사임이 입증되었으며, 화앙, 데미엘린, 허로의 결과와 결합하여 확인되었다.