📊 statistics

Random-Effects Algorithm for Random Objects in Metric Spaces

यह शोध पत्र मेट्रिक स्पेस में मनमाने रैंडम ऑब्जेक्ट्स को मॉडल करने के लिए एक नॉनलीन फ्रेचे-आधारित (Fréchet-based) रैंडम-इफेक्ट्स एल्गोरिदम प्रस्तावित करता है, जो एम-एस्टिमेशन थ्योरी (M-estimation theory) के माध्यम से इसकी निरंतरता स्थापित करता है और सिंथेटिक एवं डिजिटल स्वास्थ्य डेटासेट दोनों पर मौजूदा हिल्बर्ट स्पेस-आधारित विधियों की तुलना में इसके बेहतर प्रदर्शन को प्रदर्शित करता है।

मूल लेखक: Marcos Matabuena, Mateo Cámara

प्रकाशित 2026-05-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Marcos Matabuena, Mateo Cámara

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी तस्वीर: "अजीब" डेटा के भविष्य की भविष्यवाणी करना

कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि कल किसी व्यक्ति का स्वास्थ्य कैसा रहेगा। अतीत में, वैज्ञानिक मुख्य रूप से सरल संख्याओं को देखते थे: जैसे रक्तचाप (blood pressure) का 120 होना, हृदय गति 70 होना, या वजन 150 पाउंड होना। आप इन संख्याओं को आसानी से जोड़, घटा या औसत निकाल सकते हैं।

लेकिन आधुनिक तकनीक (जैसे स्मार्टवॉच और निरंतर ग्लूकोज मॉनिटर) हमें कुछ बहुत अधिक जटिल चीज़ देती है। एक एकल संख्या के बजाय, हमें मिलता है:

पूरे दिन के ग्लूकोज स्तर को दर्शाने वाली एक पूरी वक्र रेखा (curve)।
एक व्यक्ति कैसे चलता-फिरता है, इसे दर्शाने वाला बिंदुओं का एक समूह (cloud of points)।
एक नेटवर्क मैप जो दिन के विभिन्न घंटों के बीच के संबंध को दर्शाता है।

इन्हें "मीट्रिक स्पेस" में "रैंडम ऑब्जेक्ट्स" (यादृच्छिक वस्तुएं) कहा जाता है। इन्हें संख्याओं के बजाय आकृतियों या मानचित्रों के रूप में सोचें। समस्या यह है: आप आकृतियों को सीधे जोड़ या घटा नहीं सकते। आप एक "ग्लूकोज वक्र" में से "हृदय गति वक्र" को घटाकर औसत नहीं निकाल सकते।

यह शोध पत्र इन जटिल आकृतियों को संभालने का एक नया तरीका पेश करता है। यह एक नए प्रकार के कैलकुलेटर बनाने जैसा है जो केवल संख्याओं के लिए नहीं, बल्कि मानचित्रों और बादलों (clouds) के लिए भी काम करता है।

समस्या: हर कोई अलग है ("रैंडम इफेक्ट")

सांख्यिकी (statistics) में, हम अक्सर एक "सामान्य नियम" खोजने की कोशिश करते हैं। उदाहरण के लिए, "बुजुर्ग लोगों का रक्तचाप अधिक होता है।" यह फिक्स्ड इफेक्ट (Fixed Effect) है।

लेकिन लोग अद्वितीय होते हैं। भले ही दो लोग एक ही उम्र के हों, उनकी दैनिक ग्लूकोज पैटर्न पूरी तरह से अलग हो सकती है क्योंकि उनकी जैविक संरचना, आहार या आदतें विशिष्ट होती हैं। इस अनूठे, व्यक्तिगत "फिंगरप्रिंट" को रैंडम इफेक्ट (Random Effect) कहा जाता है।

पुराना तरीका: यदि आप व्यक्ति A के ग्लूकोज की भविष्यवाणी करना चाहते हैं, तो आप "औसत व्यक्ति" के नियम को देखते हैं।
नया तरीका: आप "औसत व्यक्ति" के नियम के साथ-साथ व्यक्ति A के विशिष्ट इतिहास को भी देखते हैं।

चुनौती यह है: जब आपका डेटा एक संख्या नहीं, बल्कि एक जटिल आकृति हो, तो आप एक "व्यक्तिगत औसत" कैसे निकाल सकते हैं?

समाधान: "एंकर" रणनीति

लेखक एक चतुर तरकीब का प्रस्ताव करते हैं। चूंकि आप इन जटिल आकृतियों पर सीधे गणित नहीं कर सकते, इसलिए वे आकृतियों को "एंकर" (Anchors) का उपयोग करके सरल संख्याओं में बदल देते हैं।

कल्पना कीजिए कि आप अपने मित्र को एक नए अजीब फल के बारे में बताने की कोशिश कर रहे हैं, लेकिन आप उसे फल दिखा नहीं सकते। इसके बजाय, आप कहते हैं:

"यह एक सेब से 2 इंच दूर है।"
"यह एक केले से 5 इंच दूर है।"
"यह एक नाशपाती से 1 इंच दूर है।"

ज्ञात "एंकर" (सेब, केले, नाशपाती) से नई वस्तु की दूरी को मापकर, आप उस नए फल का वर्णन सरल संख्याओं (दूरियों) का उपयोग करके कर सकते हैं।

यहाँ यह एल्गोरिदम कैसे काम करता है:

एंकर चुनें: कंप्यूटर अतीत के बहुत सारे वास्तविक, देखे गए डेटा बिंदुओं (जैसे कल का ग्लूकोज वक्र) को "एंकर" के रूप में चुनता है।
दूरी मापें: प्रत्येक नए अवलोकन के लिए, कंप्यूटर मापता है कि वह प्रत्येक एंकर से कितनी दूर है। अब, एक जटिल आकृति के बजाय, हमारे पास सरल संख्याओं (दूरियों) की एक सूची है।
गणित करें: कंप्यूटर इन दूरी संख्याओं पर एक मानक सांख्यिकीय मॉडल चलाता है। यह सीखता है: "जब किसी व्यक्ति के पास ये विशिष्ट लक्षण (आयु, लिंग, आदि) होते हैं, तो 'सेब एंकर' से उनकी दूरी आमतौर पर ऐसी होती है।"
व्यक्तिगत स्पर्श जोड़ें: यह प्रत्येक व्यक्ति के लिए उनके पिछले इतिहास के आधार पर एक "व्यक्तिगत बोनस" भी गणना करता है। यह रैंडम इफेक्ट है। यह सीखता है, "व्यक्ति A औसत व्यक्ति की तुलना में 'सेब एंकर' के 10% करीब रहता है।"
भविच्छात का पुनर्निर्माण करें: अंत में, कंप्यूटर फिर से सभी एंकर्स को देखता है। वह पूछता है: "हमारी मूल आकृतियों में से कौन सी अनुमानित दूरियों के सबसे करीब है?" वह उस आकृति को अंतिम भविष्यवाणी के रूप में चुनता है।

उन्होंने क्या परीक्षण किया?

लेखकों ने वास्तविक दुनिया के स्वास्थ्य डेटा के चार अलग-अलग प्रकारों पर इस "एंकर" पद्धति का परीक्षण किया:

दैनिक गतिविधि वक्र (चलना): उन्होंने देखा कि लोग पूरे दिन कैसे चलते-फिरते हैं।
- परिणाम: व्यक्तिगत पद्धति (रैंडम इफेक्ट के साथ) सामान्य पद्धति की तुलना में अगले दिन की गतिविधि की भविष्यवाणी करने में बेहतर थी।
ग्लूकोज वक्र: उन्होंने 24 घंटों के दौरान रक्त शर्करा के स्तर को देखा।
- परिणाम: फिर से, व्यक्तिगत पद्धति जीत गई। इसने औसत नियम की तुलना में व्यक्तिगत मधुमेह रोगियों के अनूठे उतार-चढ़ाव को बेहतर ढंग से पकड़ा।
ग्लूकोज "क्लाउड्स" (वितरण): एक रेखा के बजाय, उन्होंने ग्लूकोज के पूरे वितरण (कितनी बार उच्च, कम या सामान्य था) को 40 दिनों में देखा।
- परिणाम: यह सबसे बड़ी जीत थी। व्यक्तिगत पद्धति ने त्रुटियों को 57% तक कम कर दिया। यहाँ "व्यक्तिगत फिंगरप्रिंट" अत्यंत महत्वपूर्ण था।
गतिविधि मानचित्र (ग्राफ): उन्होंने देखा कि सुबह की गतिविधि शाम की गतिविधि से कैसे जुड़ती है (एक नेटवर्क मैप)।
- परिणाम: आश्चर्यजनक रूप से, व्यक्तिगत पद्धति यहाँ बहुत अधिक मदद नहीं कर पाई। लेखकों का सुझाव है कि इस विशिष्ट प्रकार के मानचित्र के लिए, दिन-प्रतिदिन के परिवर्तन इतने अराजक थे कि एक स्थिर "व्यक्तिगत पैटर्न" ढूँढना कठिन था।

मुख्य निष्कर्ष

यह शोध पत्र केवल यह नहीं कहता कि "हमारे पास एक नया गणितीय सूत्र है।" यह कहता है: "हमारे पास विशिष्ट व्यक्तियों के लिए जटिल स्वास्थ्य पैटर्न की भविष्यवाणी करने के लिए एक व्यावहारिक उपकरण है।"

यह क्यों मायने रखता है: यह डॉक्टरों या AI को यह कहने की अनुमति देता है, "आपके विशिष्ट इतिहास के आधार पर, कल आपका स्वास्थ्य डेटा संभवतः ऐसा रहेगा," न कि केवल एक सामान्य औसत देना।
एक चुनौती: इसके लिए बहुत अधिक कंप्यूटिंग शक्ति की आवश्यकता होती है क्योंकि इसे कई छोटी गणनाएँ (प्रत्येक "एंकर" के लिए एक) चलानी पड़ती हैं, लेकिन लेखक दिखाते हैं कि आधुनिक कंप्यूटरों पर इसे अभी भी तेजी से किया जा सकता है।

संक्षेप में, उन्होंने एक ऐसा पुल बनाया है जो हमें जटिल, गैर-संख्यात्मक स्वास्थ्य डेटा को समझने और भविष्यवाणी करने के लिए सरल सांख्यिकीय उपकरणों का उपयोग करने की अनुमति देता है, जबकि प्रत्येक रोगी की विशिष्ट विशेषताओं का सम्मान भी करता है।

तकनीकी सारांश: मीट्रिक स्पेस में रैंडम ऑब्जेक्ट्स के लिए रैंडम-इफेक्ट्स एल्गोरिदम

समस्या विवरण
आधुनिक वैज्ञानिक विषय, विशेष रूप से डिजिटल स्वास्थ्य, ऐसे डेटासेट उत्पन्न करते हैं जहाँ एक ही प्रयोगात्मक इकाइयों (जैसे, व्यक्तियों) से कई अवलोकन एकत्र किए जाते हैं। ये अवलोकन अक्सर गैर-यूक्लिडियन रैंडम ऑब्जेक्ट्स—जैसे कि संभाव्यता वितरण (probability distributions), नेटवर्क, या कार्यात्मक वक्र (functional curves)—के रूप में प्रकट होते हैं, न कि स्केलर या वेक्टर परिणामों के रूप में। जबकि हिल्बर्ट स्पेस में स्केलर परिणामों और हाल ही में कार्यात्मक डेटा के लिए मिश्रित-प्रभाव मॉडल (mixed-effects models) अच्छी तरह से स्थापित हैं, सामान्य मीट्रिक स्पेस में परिभाषित मनमाने रैंडम ऑब्जेक्ट्स के लिए एक व्यापक रैंडम-इफेक्ट्स फ्रेमवर्क की कमी है। मीट्रिक-स्पेस डेटा के लिए मौजूदा विधियाँ अक्सर रैखिक मॉडल, जियोडेसिक स्पेस, या यूनिवेरिएट वितरणों तक सीमित होती हैं, जो उन सामान्य मीट्रिक स्पेस के लिए लचीला आधार प्रदान करने में विफल रहती हैं जिनमें व्यक्तिगत भविष्यवाणी की आवश्यकता होती है।

कार्यप्रणाली (Methodology)
लेखक एक मीट्रिक स्पेस $(\Omega, d)$ में मनमाने रैंडम ऑब्जेक्ट्स के रैंडम-इफेक्ट्स मॉडलिंग के लिए एक नॉनलीनियर, फ्रैशेट-आधारित (Fréchet-based) एल्गोरिदम का प्रस्ताव करते हैं। मुख्य नवाचार मनमाने विषय-विशिष्ट रैंडम इफेक्ट्स का एक एंकर-आधारित प्रतिनिधित्व (anchor-based representation) है, जो मीट्रिक स्पेस में प्रत्यक्ष जोड़ या घटाव संचालन की आवश्यकता को समाप्त करता है।

एंकर ट्रांसफॉर्मेशन (Anchor Transformation):
- विधि देखे गए प्रतिक्रियाओं (anchors) का एक सेट $A_\ell$ अनुभवजन्य प्रतिक्रिया स्थान (empirical response space) से चुनती है।
- प्रत्येक एंकर $A_\ell$ के लिए, मीट्रिक-स्पेस प्रतिक्रिया $Y_{ij}$ को एक स्केलर चर में परिवर्तित किया जाता है: $Z^{(\ell)}_{ij} = \log(d^2(Y_{ij}, A_\ell) + \delta)$ , जहाँ $\delta > 0$ संख्यात्मक स्थिरता सुनिश्चित करता है।
स्केलर मिक्स्ड-इफेक्ट्स फिटिंग (Scalar Mixed-Effects Fitting):
- प्रत्येक एंकर $\ell$ के लिए, रूपांतरित दूरियों पर एक स्केलर मिक्स्ड-इफेक्ट्स मॉडल फिट किया जाता है:
  $Z^{(\ell)}_{ij} = f_\ell(X_{ij}) + b^{(\ell)}_i + \varepsilon^{(\ell)}_{ij}$
- यहाँ, $f_\ell$ एक फिक्स्ड-इफेक्ट रिग्रेशन फंक्शन है (जिसे ग्रेडिएंट-बूस्टेड ट्रीज़ के माध्यम से लागू किया गया है), और $b^{(\ell)}_i$ विषय $i$ के एंकर-विशिष्ट रैंडम इंटरसेप्ट का प्रतिनिधित्व करता है जो एंकर $\ell$ से दूरी पर विषय का लेटेंट प्रभाव है।
- इसका कार्यान्वयन GPBoost का उपयोग करता है, जो गॉसियन रैंडम-इफेक्ट घटकों के साथ ग्रेडिएंट-बूस्टेड ट्रीज़ को जोड़ता है।
डिस्क्रीट ऑप्टिमाइज़ेशन के माध्यम से भविष्यवाणी (Prediction via Discrete Optimization):
- किसी नए कोवेरिएट $x$ के लिए विषय $i$ हेतु प्रतिक्रिया की भविष्यवाणी करने के लिए, एल्गोरिदम विषय-विशिष्ट रैंडम इफेक्ट्स $\hat{b}^{(\ell)}_i$ और फिक्स्ड इफेक्ट्स $\hat{f}_\ell(x)$ का अनुमान लगाता है।
- अंतिम भविष्यवाणी $\hat{m}_{n,i}(x)$ को देखे गए प्रतिक्रिया स्थान $\mathcal{Y}_n$ पर एक डिस्क्रीट ऑप्टिमाइज़ेशन समस्या को हल करके प्राप्त किया जाता है:
  $\hat{m}_{n,i}(x) \in \arg \min_{\omega \in \mathcal{Y}_n} \sum_{\ell \in I_n} \left( \log(d^2(\omega, A_\ell) + \delta) - (\hat{f}_\ell(x) + \hat{b}^{(\ell)}_i) \right)^2$
- अनिवार्य रूप से, यह विधि उस देखे गए ऑब्जेक्ट का चयन करती है जिसका एंकर्स के प्रति रूपांतरित दूरियों का प्रोफाइल, विशिष्ट विषय के लिए अनुमानित प्रोफाइल से सबसे अच्छी तरह मेल खाता है।

सैद्धांतिक योगदान (Theoretical Contributions)
यह शोध पत्र प्रस्तावित एस्टिमेटर के लिए M-एस्टिमेशन थ्योरी का उपयोग करके निरंतरता (consistency) के परिणाम स्थापित करता है। मिनीमाइज़र की विशिष्टता, जोखिम के अलगाव (separation of risk), और एम्पिरिकल क्राइटेरियन के पॉपुलेशन क्राइटेरियन के यूनिफॉर्म कन्वर्जेंस के संबंध में विशिष्ट धारणाओं के तहत, लेखक सिद्ध करते हैं कि अनुमानित भविष्यवाणी लक्ष्य, वास्तविक ऑरेकल लक्ष्य की ओर अभिसरित होता है, भले ही रैंडम-इफेक्ट स्ट्रक्चर को एक वर्किंग मॉडल के रूप में माना गया हो।

अनुभवजन्य परिणाम (Empirical Results)
विधि का मूल्यांकन विभिन्न प्रकार के मीट्रिक-स्पेस ऑब्जेक्ट्स वाले चार डिजिटल हेल्थ डेटासेट्स पर किया गया:

$L^2$ हिल्बर्ट स्पेस (फंक्शनल डेटा):
- NHANES (शारीरिक गतिविधि): रैंडम इफेक्ट्स को शामिल करने से होल्ड-आउट मीन स्क्वेर्ड एरर (MSE) में ~10% की कमी आई (16.26 से 14.64)।
- CGMCR (ग्लूकोज कर्व्स): MSE में ~8.6% की कमी (4,368 से 3,994)। नॉनलीनियर दृष्टिकोण दोनों मामलों में मौजूदा लीनियर फंक्शनल मिक्स्ड-इफेक्ट्स मॉडल से बेहतर रहा।
वासेरस्टीन मेट्रिक (मल्टीवेरिएट डिस्ट्रीब्यूशंस):
- CGM 3D डिस्ट्रीब्यूशंस: ग्लूकोज डायनेमिक्स को मल्टीवेरिएट डिस्ट्रीब्यूशंस (ग्लूकोज, वेलोसिटी, एक्सेलेरेशन) के रूप में प्रस्तुत करना। रैंडम इफेक्ट्स ने स्क्वेर्ड वासेरस्टीन एरर में 57% की भारी कमी (986 से 421) दिखाई, जो इंगित करता है कि विषय-विशिष्ट भिन्नता व्यक्तिगत भविष्यवाणी के लिए प्राथमिक चालक है।
फ़्रोबेनियस मेट्रिक (ग्राफ):
- NHANES लैपलेसियन ग्राफ्स: गतिविधि के टेम्पोरल कोरिलेशन स्ट्रक्चर का प्रतिनिधित्व करना। इस मामले में, रैंडम इफेक्ट्स से नगण्य सुधार हुआ (MSE 0.665 बनाम 0.664), जो सुझाव देता है कि थ्रेशोल्डेड ग्राफ कंस्ट्रक्शन स्थिर विषय-विशिष्ट संकेतों को कैप्चर नहीं कर सका। हालाँकि, अत्यधिक गतिहीन व्यक्तियों के एक छोटे समूह ने रैंडम-इफेक्ट्स दृष्टिकोण से महत्वपूर्ण लाभ दिखाया।

महत्व और दावे (Significance and Claims)
यह शोध पत्र दावा करता है कि यह मनमाने मीट्रिक स्पेस में रैंडम ऑब्जेक्ट्स के लिए पहला व्यापक रूप से लागू होने वाला, नॉनलीनियर रैंडम-इफेक्ट्स फ्रेमवर्क प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

लचीलापन (Flexibility): यह मीट्रिक-स्पेस-वैल्यूड डेटा के लिए बिना किसी लीनियर वेक्टर-स्पेस स्ट्रक्चर की आवश्यकता के विशाल यूनिवेरिएट फिटिंग रणनीतियों का विस्तार करता है।
प्रदर्शन (Performance): यह प्रदर्शित करता है कि एंकर-आधारित नॉनलीनियर मॉडलिंग मौजूदा हिल्बर्ट-स्पेस-आधारित लीनियर विधियों से बेहतर प्रदर्शन कर सकती है और डिस्ट्रीब्यूशंस एवं ग्राफ जैसे जटिल डेटा स्ट्रक्चर में व्यक्तिगत विषमता (heterogeneity) को प्रभावी ढंग से कैप्चर कर सकती है।
व्यावहारिकता (Practicality): एल्गोरिदम कम्प्यूटेशनल रूप से सरल, समानांतर योग्य (parallelizable) है, और उच्च-आवृत्ति वाले क्लिनिकल डेटा के लिए उपयुक्त है जहाँ सिग्नल हमेशा टेम्पोरली अलाइन्ड नहीं हो सकते हैं।

लेखक सीमाओं को स्वीकार करते हैं, मुख्य रूप से कई यूनिवेरिएट मॉडल को फिट करने की कम्प्यूटेशनल लागत, हालांकि वे नोट करते हैं कि विशिष्ट सैंपल साइज (जैसे, $n \approx 4000$ ) के लिए, समाधान हाई-परफॉर्मेंस क्लस्टर्स पर कम्प्यूटेशनल रूप से व्यवहार्य है। भविष्य के कार्य के रूप में सब-सैंपलिंग और अनिश्चितता मात्रा निर्धारण (uncertainty quantification) के माध्यम से स्केलेबिलिटी का सुझाव दिया गया है।