[论文解读] Ball mapper: a shape summary for topological data analysis

Paweł Dłotko|arXiv (Cornell University)|Jan 22, 2019

Topological and Geometric Data Analysis参考文献 7被引用 19

一句话总结

本文提出了一种新型的拓扑数据分析方法——Ball Mapper（BM），该方法通过基于球体的聚类方法构建数据的形状摘要。与传统的Mapper算法不同，BM依赖于基于距离的几何邻近性聚类，能够在不同维度和噪声水平下实现对局部与全局数据结构的稳健、可扩展且参数不敏感的可视化。

ABSTRACT

Topological data analysis provides a collection of tools to encapsulate and summarize the shape of data. Currently it is mainly restricted to \emph{mapper algorithm} and \emph{persistent homology}. In this paper we introduce new mapper--inspired descriptor that can be applied for exploratory data analysis.

研究动机与目标

• 解决拓扑数据分析中除持久同调和Mapper之外缺乏新型严格形状描述符的问题。
• 开发一种方法，能够在不依赖任意函数选择或聚类参数的情况下，同时捕捉局部与全局数据结构。
• 创建一种可扩展的、基于几何的替代方案，以替代传统Mapper算法，确保在高维空间嵌入下保留拓扑特征。
• 实现一种直观、计算高效且对噪声和维度具有鲁棒性的探索性数据分析方法。

提出的方法

• Ball Mapper通过以数据点为中心、半径为ε的球体覆盖数据，每个球体代表一组邻近点构成的聚类。
• 该算法使用距离矩阵定义邻域，确保聚类基于内在几何结构，而非外部函数。
• 所得图中的顶点对应于重叠球体内点的聚类，当聚类相交时形成边。
• 该方法可推广至加权图，并可应用于任意具有距离矩阵或相似性度量的离散度量空间。
• 通过改变ε实现多尺度构建，从而可视化不同粒度层级下的分层拓扑特征。
• 通过移除包含点数少于固定数量的覆盖元素，实施稀疏化处理，以提升可解释性并减少噪声。

实验结果

研究问题

• RQ1 能否构建一种不依赖外部实值函数的拓扑描述符，从而区别于传统Mapper？
• RQ2 如何构建一种形状摘要，以在高维和噪声数据集中保留局部与全局数据结构？
• RQ3 Ball Mapper方法在保留体积和内在几何特征方面，相较于传统Mapper的性能提升程度如何？
• RQ4 该方法在数据规模和维度增加时的可扩展性如何？对噪声的鲁棒性如何？
• RQ5 Ball Mapper图能否在复杂数据集（如幸运猫雕塑或Iris数据）中揭示有意义的拓扑特征（如环路或聚类）？

主要发现

• 在Y形接头数据集中，无论嵌入维度如何，Ball Mapper均能成功恢复拓扑结构，而传统Mapper在透镜函数未与数据几何对齐时则会失败。
• 在R³中嵌入的二维环面数据中，Ball Mapper通过平均顶点度数为5–6，准确揭示了真实的二维体积结构，表明其具有局部二维特性；而传统Mapper仅生成简化的环形结构。
• 在Iris数据集中，当ε = 0.5时，Ball Mapper在*setosa*与其他两个物种之间显示出清晰分离，当ε = 0.9时实现完全聚类，而当ε = 1.8时*versicolor*与*virginica*发生融合，与已知的生物分类学一致。
• 在幸运猫数据集中，Ball Mapper成功捕捉了16,384维空间中的环形结构，环路在ε ≈ 5000时形成，多尺度构建揭示了采样非均匀性。
• 该方法在噪声下保持稳定：即使在X形信号上添加150%的均匀噪声，通过移除稀疏覆盖元素后，BM图仍能保留核心拓扑特征。
• Ball Mapper对高维嵌入具有鲁棒性，且不会因维度增加而性能下降；而传统Mapper则依赖于透镜函数的选择，表现不稳定。