Robust Wasserstein barycenter

Resumen Técnico: Baricentro de Wasserstein Robusto (RWB)

1. Planteamiento del Problema

El baricentro de Wasserstein es una herramienta fundamental en estadística y aprendizaje automático para promediar múltiples distribuciones de probabilidad, generalizando el concepto de tendencia central al espacio de medidas de probabilidad. Sin embargo, el baricentro clásico (WB) presenta dos limitaciones críticas:

• Sensibilidad a valores atípicos (outliers): Su cálculo es altamente sensible a la contaminación de datos, lo que distorsiona el resultado final.
• Suposiciones de momentos finitos: Requiere que las distribuciones de entrada tengan momentos de primer o segundo orden finitos, lo cual no siempre se cumple en datos reales (ej. distribuciones de cola pesada).

En aplicaciones como el procesamiento de imágenes o el análisis de series temporales financieras, la presencia de ruido o valores extremos puede degradar severamente la calidad del baricentro clásico, haciendo necesario un enfoque más robusto.

2. Metodología

Los autores proponen el Baricentro de Wasserstein Robusto (RWB), basado en el concepto de Transporte Óptimo Robusto (ROT). La metodología se estructura en tres pilares:

• Distancia de Wasserstein Robusta ($W_p^{(\lambda)}$):
  Se introduce una versión truncada de la función de costo clásica. En lugar de usar la distancia $d(x, y)$, se utiliza una función de costo truncada:
  $$c^{(\lambda)}(x, y) := \min\{d(x, y), \lambda\}$$
  donde $\lambda > 0$ es un parámetro de regularización que controla el nivel de truncamiento. Esto limita la influencia de distancias extremas (outliers) en el cálculo del transporte óptimo. La distancia robusta $W_p^{(\lambda)}$ se define como el mínimo costo de transporte utilizando esta función truncada, eliminando la necesidad de suposiciones sobre momentos finitos.

• Definición del RWB:
  El RWB se define como el minimizador de la suma esperada de las distancias de Wasserstein robustas a un conjunto de distribuciones dadas:
  $$\nu_p^{(\lambda)} := \arg \min_{\xi} \sum_{i=1}^n w_i \left[ W_p^{(\lambda)}(\mu_i, \xi) \right]^k$$
  A diferencia del WB clásico, esta definición no impone restricciones de momentos finitos sobre las medidas de entrada.

• Algoritmo de Cálculo (Soporte Libre):
  Para resolver el problema computacionalmente, los autores proponen un algoritmo de soporte libre (free-support).

  • Reconocen que el soporte del baricentro es finito si las entradas son discretas.
  • Utilizan un algoritmo de punto fijo que actualiza iterativamente tanto los pesos de probabilidad como las ubicaciones de los puntos de soporte.
  • Este enfoque supera la "maldición de la dimensionalidad" asociada a los algoritmos de soporte fijo (como IBP en una cuadrícula), permitiendo que el número de puntos de soporte sea mucho menor que el tamaño total de la cuadrícula, optimizando así el procesamiento en imágenes y datos de alta dimensión.

3. Contribuciones Clave

El artículo aporta tres contribuciones teóricas y prácticas principales:

1. Concepto Nuevo: Propone el RWB como una alternativa robusta al WB clásico, capaz de manejar distribuciones sin momentos finitos y resistente a la contaminación de datos.
2. Garantías Teóricas: Establece y demuestra la existencia y consistencia del RWB. Además, caracteriza el tamaño del soporte del RWB cuando las distribuciones de entrada son discretas, demostrando que el soporte óptimo es finito y acotado.
3. Algoritmo Eficiente: Desarrolla un algoritmo de soporte libre que generaliza los métodos de soporte fijo existentes, abordando el desafío de determinar un soporte adecuado en escenarios de alta dimensión y mejorando los resultados en el procesamiento de imágenes.

4. Resultados Experimentales

Los autores validan el RWB mediante experimentos numéricos extensos con datos simulados y reales:

• Procesamiento de Imágenes:

  • Se utilizaron imágenes de elipses aleatorias con puntos de perturbación (outliers) en la esquina superior derecha.
  • Resultado: El WB clásico mostró bordes borrosos y un desplazamiento visible hacia los puntos de perturbación. En contraste, el RWB mantuvo bordes nítidos y no se desvió hacia el ruido, demostrando superioridad tanto en configuraciones de soporte fijo como libre.

• Análisis de Datos Numéricos (Simulaciones):

  • Se probaron escenarios de contaminación (mezcla de distribuciones normales) y distribuciones de cola pesada (distribución t de Student).
  • Resultado: El RWB mostró una menor variación en la distancia al baricentro verdadero a medida que aumentaba la tasa de contaminación o la pesadez de la cola, en comparación con el WB. El parámetro $\lambda$ óptimo (ej. $\lambda=30$ en contaminaciones, $\lambda=50$ en colas pesadas) permitió equilibrar la pérdida de información y la robustez.

• Análisis de Datos Reales (Series Financieras):

  • Se analizaron los precios de cierre de acciones utilizando rendimientos logarítmicos diarios.
  • Se identificaron outliers mediante el método Isolation Forest.
  • Resultado: El RWB calculado con datos contaminados se alineó significativamente mejor con el baricentro calculado con datos "limpios" que el WB clásico. Esto confirma que el RWB es mucho menos susceptible a valores extremos en datos financieros reales.

5. Significado e Impacto

Este trabajo es significativo porque:

• Resuelve una limitación fundamental: Permite el uso del baricentro de Wasserstein en dominios donde los datos no cumplen con las estrictas condiciones de momentos finitos o contienen ruido inherente, expandiendo su aplicabilidad en estadística robusta.
• Mejora la estabilidad: Ofrece una herramienta más fiable para el aprendizaje automático y la inferencia bayesiana, donde la presencia de outliers puede llevar a conclusiones erróneas.
• Avance Computacional: La propuesta de un algoritmo de soporte libre no solo resuelve problemas de robustez, sino que también mitiga los problemas computacionales de alta dimensión, haciendo que el cálculo de baricentros sea más eficiente y escalable.

En conclusión, el RWB se presenta como una alternativa superior y teóricamente fundamentada al baricentro de Wasserstein clásico, especialmente en escenarios del mundo real caracterizados por la incertidumbre y la presencia de datos atípicos.