[论文解读] On the Bootstrap for Persistence Diagrams and Landscapes

Frédéric Chazal, Brittany Terese Fasy+4 more|arXiv (Cornell University)|Nov 2, 2013

Topological and Geometric Data Analysis参考文献 11被引用 8

一句话总结

本文提出了一种基于自展法的方法，用于构建持久图的置信集和持久景观的置信带，从而在拓扑数据分析中实现统计推断。通过从经验数据中重采样并利用持久图的稳定性，该方法提供了渐近有效的置信区域，能够将拓扑信号与噪声区分开来。

ABSTRACT

Persistent homology probes topological properties from point clouds and functions. By looking at multiple scales simultaneously, one can record the births and deaths of topological features as the scale varies. In this paper we use a statistical technique, the empirical bootstrap, to separate topological signal from topological noise. In particular, we derive confidence sets for persistence diagrams and confidence bands for persistence landscapes.

研究动机与目标

• 为解决在持久同调中通过统计推断区分拓扑信号与噪声的挑战。
• 开发一种非参数、基于重采样的方法——具体而言是经验自展法——以构建持久图和景观的置信区域。
• 提供一种实用且理论基础扎实的方法，用于评估数据中拓扑特征的可靠性。
• 将自展法的应用从经典统计学扩展到拓扑数据分析领域。
• 通过拓扑摘要支持现实世界数据应用中的假设检验和不确定性量化。

提出的方法

• 对大小为 $ n $ 的样本应用经验自展法，生成 $ B $ 个持久图 $ \mathcal{P}_n $ 的自展复制。
• 从估计密度 $ p_n $ 计算持久景观 $ \mathcal{L}_n $，使用样本上的核密度估计。
• 从自展样本中构建经验均值景观 $ \overline{\mathcal{L}}_n $ 和自展经验过程 $ \mathbb{G}_n^* $。
• 使用自展法估计归一化自展偏差 $ \sqrt{n} | \overline{\mathcal{L}}_n^* - \overline{\mathcal{L}}_n | $ 的上确界分位数 $ q_\alpha $。
• 推导真实均值景观 $ \mu(t) $ 的置信带为 $ C_n(t) = \left[ \overline{\mathcal{L}}_n(t) - \frac{q_\alpha}{\sqrt{n}}, \overline{\mathcal{L}}_n(t) + \frac{q_\alpha}{\sqrt{n}} \right] $。
• 证明自展经验过程 $ \mathbb{G}_n^* $ 弱收敛于高斯过程，从而确保置信带的渐近有效性。

实验结果

研究问题

• RQ1 自展法能否有效应用于构建拓扑数据分析中持久图的置信集？
• RQ2 如何使用重采样技术构建持久景观的置信带以量化不确定性？
• RQ3 在一般抽样假设下，基于自展法的拓扑摘要置信区域的渐近有效性如何？
• RQ4 自展置信带的覆盖概率与理论极限相比如何？其收敛速率如何？
• RQ5 该自展方法能否推广到景观之外的其他拓扑摘要函数？

主要发现

• 自展程序为持久景观生成了渐近有效的置信带，其覆盖概率随 $ n \to \infty $ 收敛于 $ 1 - \alpha $。
• 在九个圆的示例中，使用 $ q_{\alpha} = 0.234 $（基于 50 个自展复制）计算了 95% 的置信带。
• 经验均值景观 $ \overline{\mathcal{L}}_{50} $ 被证明是真实均值景观 $ \mu(t) $ 的可靠估计量，其不确定性通过自展带量化。
• 自展经验过程 $ \mathbb{G}_n^* $ 依分布收敛于高斯过程，从而证明了该方法的渐近有效性。
• 该方法对过滤器的选择具有鲁棒性，并适用于超水平集和子水平集过滤，如子水平集示例所示。
• 该方法可推广至景观之外的其他摘要函数，表明其在拓扑数据分析中具有广泛适用性。