📊 statistics

Semi-parametric Functional Classification via Path Signatures Logistic Regression with Adaptive Order Selection

Cet article introduit la régression logistique par signatures de chemins (PSLR), un cadre semi-paramétrique qui combine des effets linéaires interprétables avec un mécanisme de sélection d'ordre adaptatif piloté par les données et théoriquement garanti afin de parvenir à une classification robuste et précise de données fonctionnelles vectorielles échantillonnées de manière irrégulière.

Auteurs originaux : Pengcheng Zeng, Siyuan Jiang

Publié 2026-07-07

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Pengcheng Zeng, Siyuan Jiang

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez d'apprendre à un ordinateur à faire la différence entre deux types de personnes marchant dans la rue. L'un des groupes présente une condition médicale spécifique (comme la maladie de Parkinson), et l'autre est en bonne santé.

Pour ce faire, vous disposez de deux types d'informations :

La marche (Données fonctionnelles) : Un enregistrement complexe et multidimensionnel de la façon dont les pieds frappent le sol au fil du temps. Ces données sont désordonnées ; parfois les capteurs manquent une étape, parfois les pas sont irréguliers, et les données proviennent de plusieurs capteurs simultanément.
La personne (Données scalaires) : Des faits simples comme l'âge, la taille ou la vitesse de marche.

L'ancienne méthode : Essayer de faire entrer un carré dans un trou rond

Traditionnellement, les statisticiens essayaient de résoudre cela en forçant ces données de marche désordonnées dans des boîtes pré-établies et nettes (appelées « expansions de base », comme les séries de Fourier ou les splines).

Le problème : C'est comme essayer de décrire une danse tourbillonnante et chaotique en la forçant dans une grille rigide. Si le danseur bouge de manière irrégulière (ce que font les vrais humains), la grille échoue. Le modèle s'embrouille, fait des erreurs et peine à comprendre comment le pied gauche et le pied droit interagissent entre eux. De plus, il suppose que la relation entre la marche et la maladie est une ligne droite, ce qui est rarement vrai en biologie.

La nouvelle méthode : La régression logistique par signature de chemin (PSLR)

Les auteurs de cet article proposent un nouvel outil appelé PSLR. Considérez cela comme un « traducteur géométrique » qui ne se soucie ni des grilles ni des boîtes nettes.

1. La « Signature » (L'empreinte digitale du chemin)
Au lieu de forcer la marche dans une grille, la PSLR examine la forme de la marche elle-même. Elle traite le chemin de la marche comme une ligne continue tracée dans l'espace.

L'analogie : Imaginez tracer un chemin avec votre doigt. Une « signature » capture non seulement où vous avez commencé et terminé, mais aussi les torsions, les virages, les boucles et la façon dont votre doigt a bougé par rapport à lui-même. Elle capture la « personnalité » du mouvement.
La magie : Cette méthode est sans base (basis-free). Elle n'a pas besoin de deviner dans quelle « boîte » mettre les données. Elle comprend naturellement que le pied gauche et le pied droit sont connectés (dépendance entre canaux) et gère les étapes manquantes ou les cadences irrégulières sans s'embrouiller.

2. Le mélange « Semi-paramétrique »
Le modèle est assez intelligent pour savoir que certaines choses sont simples et d'autres complexes.

Covariables scalaires (Les choses simples) : Pour des faits comme « l'âge » ou « la vitesse », il utilise une logique de ligne droite simple (ex : « Les personnes plus âgées sont légèrement plus susceptibles d'avoir la condition »). Cela permet de garder les résultats faciles à comprendre.
La marche (Les choses complexes) : Pour les données de marche désordonnées, il utilise le traducteur de « Signature » complexe pour trouver des motifs non linéaires cachés que des lignes simples ne pourraient pas détecter.

3. L'« Ordre adaptatif » (La règle du juste milieu)
C'est ici que réside la plus grande innovation. La « Signature » peut être calculée à différents niveaux de détail (appelés « ordres »).

Ordre faible : Ne regarde que l'image globale (points de départ et d'arrivée). Trop simple ? On manque les détails.
Ordre élevé : Regarde chaque minuscule vibration. Trop complexe ? On commence à mémoriser le bruit (comme un étudiant qui mémorise une question d'examen spécifique au lieu d'apprendre le concept).
L'innovation : Au lieu qu'un humain devine le bon niveau de détail, cet article introduit une règle d'autocorrection. L'ordinateur essaie différents niveaux de détail, vérifie s'il prédit bien les données, et choisit automatiquement le niveau « Goldilocks » (le juste milieu) — ni trop simple, ni trop complexe, mais juste ce qu'il faut. Il fait cela mathématiquement, garantissant qu'il ne surinterprète pas les données.

Pourquoi cela importe (Les résultats)

Les auteurs ont testé cela sur des données fictives et sur des données médicales réelles (analyse de la démarche de patients parkinsoniens et capteurs de mouvement de smartphones).

Robustesse : Lorsque les données étaient désordonnées (étapes manquantes ou cadences irrégulières), les anciennes méthodes (les grilles rigides) s'effondraient. La PSLR a continué de fonctionner car elle regarde la forme du chemin, et non le moment précis des points.
Précision : La PSLR a systématiquement battu les anciennes méthodes et a même battu une version d'elle-même qui ne regardait que la marche (en ignorant l'âge/vitesse) ou qui ne regardait que l'âge/vitesse (en ignorant la marche). Elle a prouvé que combiner la « forme » du mouvement avec des faits simples donne le meilleur résultat.
Interprétabilité : Le modèle n'a pas seulement donné une réponse « oui/non » ; il a expliqué aux chercheurs pourquoi. Par exemple, il a identifié que des interactions spécifiques entre le pied gauche et le pied droit (capturées par la signature) étaient des indicateurs forts de la maladie de Parkinson, ce qui correspond à ce que les médecins savent de la maladie.

En résumé

Cet article présente une nouvelle façon de classifier des données de mouvement complexes et désordonnées. Au lieu de forcer les données dans des boîtes rigides et pré-établies, il utilise un outil mathématique flexible (les signatures de chemin) pour lire la « forme » du mouvement. Il détermine automatiquement le niveau de détail nécessaire pour être précis sans s'embrouiller, et il réussit à combiner ces données de mouvement complexes avec des faits simples comme l'âge pour réaliser de meilleures prédictions que jamais.

Résumé technique : Classification fonctionnelle semi-paramétrique via la régression logistique par signatures de chemins avec sélection adaptative de l'ordre

Énoncé du problème

L'article traite du défi de la classification de données fonctionnelles à valeurs vectorielles (par exemple, des trajectoires de séries temporelles multidimensionnelles) en présence de covariables scalaires. Les modèles classiques de régression logistique fonctionnelle reposent sur des hypothèses linéaires et des expansions de bases fixes (par exemple, Fourier, B-splines, FPCA). Ces approches classiques font face à trois limitations principales :

Hypothèse de linéarité : Elles supposent une relation linéaire entre les prédicteurs fonctionnels et le log-odds de la réponse, ce qui peut échouer à capturer des dynamiques non linéaires complexes.
Sensibilité à la base : La performance dépend fortement du choix des fonctions de base et du placement des nœuds, ce qui peut conduire à une spécification erronée du modèle et à une interprétabilité obscurcie.
Fragilité face à l'échantillonnage irrégulier : Les projections de base supposent des trajectoires complètes et échantillonnées uniformément. L'échantillonnage irrégulier ou les données manquantes introduisent un biais de représentation et nécessitent une interpolation qui peut conduire à un sur-lissage ou à un biais structurel.

De plus, les méthodes existantes négligent souvent les corrélations entre canaux ou exigent un alignement temporel parfait, ce qui est peu pratique dans des scénarios réels comme l'analyse de la marche ou la reconnaissance d'activités basée sur des capteurs.

Méthodologie : Régression logistique par signatures de chemins (PSLR)

Les auteurs proposent la Régression logistique par signatures de chemins (PSLR), un cadre semi-paramétrique qui remplace le terme fonctionnel linéaire par une transformation non linéaire basée sur les signatures de chemins.

Formulation du modèle

Le modèle suppose une structure additive semi-paramétrique pour le log-odds conditionnel :
$\text{Logit}(P(y=1|X, z)) = F(X) + z^\top \gamma$
où $X$ est un prédicteur fonctionnel de dimension $d$ , $z$ est un vecteur de covariables scalaires, et $F$ est une application fonctionnelle lisse et non paramétrique.

Pour approximer $F(X)$ , la méthode traite le signal augmenté par le temps $\tilde{X} = (X, t)$ comme un chemin continu. En exploitant la propriété d'universalité des signatures de chemins (théorème de type Stone–Weierstrass), $F(X)$ est approximé par une forme linéaire de la signature tronquée :
$F(X) \approx S_p(\tilde{X})^\top \beta_p$
où $S_p(\tilde{X})$ est la signature de chemin tronquée d'ordre $p$ , et $\beta_p$ est un vecteur de coefficients. Le modèle complet devient un modèle linéaire généralisé :
$\text{Logit}(P(y=1|X, z)) = \tilde{S}_p^\top \theta_p$
où $\tilde{S}_p$ concatène les caractéristiques de la signature et les covariables scalaires.

Innovations clés

Représentation sans base : Les signatures capturent des caractéristiques géométriques et temporelles (déplacement, courbure, aire signée) sans nécessiter de sélection de base.
Robustesse à l'irrégularité : La transformée de signature est stable sous de petites perturbations du chemin. La méthode utilise une interpolation linéaire par morceaux locale, dont l'erreur s'annule théoriquement à mesure que la grille d'échantillonnage s'affine, contrairement aux projections de base globales qui souffrent d'un biais structurel irréductible.
Sélection adaptative de l'ordre : Une contribution critique est une procédure entièrement pilotée par les données pour sélectionner l'ordre de troncature $p$ . Au lieu de fixer $p$ de manière heuristique, les auteurs proposent de minimiser un critère de risque empirique pénalisé :
$\hat{p} = \arg\min_{p} \left( \hat{L}_n(p) + \text{penn}(p, q) \right)$
où $\hat{L}_n(p)$ est le risque empirique régularisé et le terme de pénalité $\text{penn}(p, q)$ est proportionnel à la complexité des caractéristiques de la signature ( $\sqrt{s_d(p)}$ ) et à la dimension des covariables scalaires ( $\sqrt{q}$ ).

Contributions théoriques

L'article fournit des garanties non asymptotiques rigoureuses pour le cadre proposé :

Existence de l'ordre optimal : Il prouve l'existence d'un ordre de troncature optimal $p^*$ et de coefficients $\theta^*_{p^*}$ qui approximent le risque de population de manière arbitraire.
Consistance : L'estimateur piloté par les données $\hat{p}$ est montré comme étant consistant, convergeant vers le véritable ordre optimal $p^*$ avec une probabilité exponentielle à mesure que la taille de l'échantillon augmente.
Convergence du risque : Le risque du classificateur converge au taux paramétrique standard de $O(n^{-1/2})$ , à condition que l'ordre correct soit sélectionné.
Borne de recherche finie : Les auteurs dérivent une borne calculable $P$ pour la plage de recherche de $p$ , garantissant que l'optimisation est finie et pratique ( $P = O(\log n)$ ).
Propagation de l'erreur : Un cadre est établi montrant que l'erreur de reconstruction de la PSLR s'annule avec l'affinement de la grille, contrastant avec le biais irréductible des méthodes d'expansion de base.

Résultats expérimentaux

La méthode a été évaluée sur des données synthétiques et trois ensembles de données réels :

Données synthétiques : La PSLR a systématiquement surpassé les classificateurs fonctionnels classiques (B-spline, Fourier, FPCA) et les versions ablatives (Signature seule, Scalaire seule) à travers diverses dimensions, nombres de covariables scalaires et scénarios d'échantillonnage irrégulier (données manquantes et grilles temporelles inégales).
Analyse de la marche de la maladie de Parkinson : En utilisant des données de force de réaction au sol verticale (VGRF), la PSLR a obtenu une précision et des scores F1 supérieurs par rapport aux références. Le modèle a identifié avec succès des coefficients interprétables, tels que l'impact négatif d'une réduction de la variabilité dans des zones spécifiques du pied sur la probabilité de la maladie de Parkinson, ce qui concorde avec les observations cliniques d'une démarche rigide.
Reconnaissance d'activité humaine (MotionSense) : Dans la classification de la marche et de la course à pied à l'aide de capteurs de smartphone, la PSLR a démontré une précision et une stabilité supérieures aux références, exploitant efficacement à la fois les signaux de mouvement fonctionnels et les attributs scalaires (ex: poids).
Marche clinique multi-cohorte : La méthode a été appliquée pour distinguer les patients neurologiques des sujets sains à l'aide de capteurs portables, validant davantage sa robustesse dans des contextes complexes et de haute dimension.

Signification et affirmations

L'article affirme que la PSLR offre une avancée pratique et théorique dans l'analyse de données fonctionnelles en :

Intégrant la théorie des chemins rugueux avec une complexité adaptative : Elle comble le fossé entre la puissance théorique des signatures de chemins et la sélection de modèles pratique, allant au-delà des heuristiques d'ordre fixe.
Gérant les imperfections des données réelles : En évitant les expansions de base, la méthode gère intrinsèquement l'échantillonnage irrégulier et les dépendances entre canaux sans nécessiter d'alignement temporel ou d'imputation complexe.
Interprétabilité : Le cadre maintient l'interprétabilité pour les covariables scalaires tout en fournissant une interprétation géométrique des effets fonctionnels via les termes de signature (ex: déplacement, aire, interactions).
Rigueur théorique : Elle comble une lacune critique dans la littérature en fournissant les premières garanties non asymptotiques pour la sélection d'ordre adaptative dans la classification par signature semi-paramétrique, garantissant que la complexité du modèle ne croît que si nécessaire pour capturer la structure intrinsèque des données.

Les auteurs soulignent que bien que la transformée de signature soit connue, son intégration avec un contrôle de complexité adaptative et des covariables scalaires au sein d'un cadre de régression logistique semi-paramétrique unifié constitue une contribution novatrice soutenue par des garanties rigoureuses en échantillon fini.