[论文解读] Reproducing Kernels and New Approaches in Compositional Data Analysis

Binglin Li, Jeongyoun Ahn|arXiv (Cornell University)|May 2, 2022

Geochemistry and Geologic Mapping被引用 4

一句话总结

该论文提出了一种新颖的再生核希尔伯特空间（RKHS）框架，用于成分数据，通过将单纯形域建模为球面在群作用下的商空间，实现了无需对数比变换的核方法。该方法利用球面调和函数和反射群对称性构造多项式核，形成一个理论基础坚实、计算高效的RKHS，支持成分数据上的非参数密度估计和核指数族模型。

ABSTRACT

Compositional data, such as human gut microbiomes, consist of non-negative variables whose only the relative values to other variables are available. Analyzing compositional data such as human gut microbiomes needs a careful treatment of the geometry of the data. A common geometrical understanding of compositional data is via a regular simplex. Majority of existing approaches rely on a log-ratio or power transformations to overcome the innate simplicial geometry. In this work, based on the key observation that a compositional data are projective in nature, and on the intrinsic connection between projective and spherical geometry, we re-interpret the compositional domain as the quotient topology of a sphere modded out by a group action. This re-interpretation allows us to understand the function space on compositional domains in terms of that on spheres and to use spherical harmonics theory along with reflection group actions for constructing a compositional Reproducing Kernel Hilbert Space (RKHS). This construction of RKHS for compositional data will widely open research avenues for future methodology developments. In particular, well-developed kernel embedding methods can be now introduced to compositional data analysis. The polynomial nature of compositional RKHS has both theoretical and computational benefits. The wide applicability of the proposed theoretical framework is exemplified with nonparametric density estimation and kernel exponential family for compositional data.

研究动机与目标

• 为解决传统对数比变换与幂变换在成分数据分析中的局限性，提出一种几何感知的核框架。
• 通过将单纯形重新解释为球面在群作用下的商空间，为成分数据上的核方法建立理论基础。
• 利用球面调和函数与反射群对称性，构建成分数据的再生核希尔伯特空间（RKHS）。
• 通过核嵌入技术，使非参数密度估计与核指数族等高级统计方法在成分数据上得以实现。
• 提供一种多项式、计算上可处理的核结构，避免对数比方法中零值处理带来的不稳定性与敏感性。

提出的方法

• 将成分数据域 Δ^d 重新解释为商空间 S^d / Γ，其中 Γ 为反射群，利用射影几何与球面几何。
• 通过偶数次球面调和函数构造成分RKHS，确保在群作用 Γ 下的不变性。
• 通过归一化球面对向量的内积定义射影核：k^p_m(y_i, y_j) = (1 + y_i·y_j)^{2m}，其中 y_i, y_j ∈ S^d 且 y_i ≠ -y_j。
• 采用核均值嵌入方法，将概率分布表示为RKHS中的元素，避免在非线性流形上直接估计均值点。
• 应用表示定理，证明插值与正则化问题的解位于由观测数据点处核函数张成的有限维子空间中。
• 通过证明格拉姆矩阵满秩，确保在大 m 时核函数的线性无关性，从而实现稳定的数值计算。

实验结果

研究问题

• RQ1 如何构建一个尊重单纯形内在几何结构、且无需依赖对数比变换的成分数据再生核希尔伯特空间（RKHS）？
• RQ2 球面调和函数与反射群作用在构建射影球面 S^d / Γ 上对称多项式核的过程中起什么作用？
• RQ3 能否通过在商空间上定义的RKHS，有效应用核均值嵌入于成分数据？
• RQ4 所提出的核如何支持成分域上的非参数密度估计与核指数族模型？
• RQ5 在所提出的成分RKHS中，插值与正则化问题可建立哪些理论保证（如表示定理）？

主要发现

• 所提出的核构造确保了射影核的格拉姆矩阵在足够大的 m 时为对角占优且满秩，从而保证了核函数的线性无关性。
• 成分RKHS中的最小范数插值问题存在唯一解，且可表示为以数据点为中心的核函数的线性组合，此结论由表示定理证明。
• 成分数据的正则化问题存在唯一解，形式为核函数的线性组合，其系数由核函数与数据约束导出的线性方程组确定。
• 核均值嵌入方法为点均值估计提供了分布替代方案，避免了在非线性空间（如单纯形）上定义均值时的几何不一致性。
• 该框架通过利用所构建RKHS的丰富结构，实现了成分数据上的非参数密度估计与核指数族建模。
• 核的多项式性质确保了理论可处理性与计算效率，避免了对数比方法中零值插补带来的数值不稳定性。