📊 statistics

The Topological Stability Index: A Variance-Based Measure for Persistence Barcodes

यह शोध पत्र टोपोलॉजिकल स्टेबिलिटी इंडेक्स (TSI) प्रस्तुत करता है, जो पर्सिस्टेंस बारकोड के लिए एक वेरिएंस-आधारित स्केलर माप है, जो नियतात्मक प्रवृत्तियों (deterministic trends) के प्रति असंवेदनशील रहते हुए स्टोकेस्टिक उतार-चढ़ाव में संरचनात्मक परिवर्तनशीलता को पकड़कर और पूर्ण जीवनकाल फैलाव (absolute lifetime dispersion) को परिमाणित करके एंट्रॉपी-आधारित सारांशों का पूरक बनता है।

मूल लेखक: Joris Kirchner, Ioannis Diamantis

प्रकाशित 2026-05-29

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Joris Kirchner, Ioannis Diamantis

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

कल्पना कीजिए कि आप एक जासूस हैं जो किसी रहस्यमय वस्तु के "फिंगरप्रिंट" को देखकर उसके आकार को समझने की कोशिश कर रहे हैं। डेटा साइंस की दुनिया में, इस फिंगरप्रिंट को पर्सिस्टेंस बारकोड (persistence barcode) कहा जाता है। यह रेखाओं (या "बार्स") की एक सूची है जहाँ प्रत्येक रेखा की लंबाई बताती है कि एक विशिष्ट विशेषता (जैसे कि कोई छेद या लूप) तब तक कितनी लंबे समय तक बनी रहती है जब आप अपने डेटा को ज़ूम इन या ज़ूम आउट करते हैं।

लंबे समय से, वैज्ञानिकों के पास अपने बारकोड्स का सारांश निकालने के लिए एक उपकरण था जिसे पर्सिस्टेंट एंट्रॉपी (Persistent Entropy) कहा जाता था। पर्सिस्टेंट एंट्रॉपी को ऐसे समझें जैसे कोई शेफ सूप चख रहा हो और उसे केवल सामग्रियों के अनुपात (ratio) की परवाह हो। यदि आपके पास 1 भाग नमक और 99 भाग पानी है, या आपके पास 10 भाग नमक और 990 भाग पानी है, तो अनुपात समान है। शेफ कहता है, "इसका स्वाद एक जैसा है।"

लेकिन क्या होगा यदि सूप का आकार मायने रखता है? क्या होगा यदि एक बर्तन एक छोटा कप है और दूसरा एक विशाल बाथटब है? अनुपात समान है, लेकिन अनुभव पूरी तरह से अलग है। पुराने उपकरण अंतर नहीं कर सके कि एक छोटा, एकसमान सूप और एक विशाल, अराजक (chaotic) सूप के बीच क्या अंतर है।

यह पेपर एक नया उपकरण पेश करता है जिसे टोपोलॉजिकल स्टेबिलिटी इंडेक्स (Topological Stability Index - TSI) कहा जाता है ताकि इसे ठीक किया जा सके।

नए उपकरण: TSI और TSigI

लेखक एक बारकोड का वर्णन करने के लिए एक दो-भाग वाली प्रणाली प्रस्तावित करते हैं, जैसे कि लोगों की भीड़ का वर्णन उनकी औसत ऊंचाई और ऊंचाइयों की विविधता द्वारा करना।

टोपोलॉजिकल सिग्नल इंडेक्स (TSigI): "औसत ऊंचाई"
- यह क्या है: यह बार्स के विशिष्ट आकार को मापता है।
- उपमा: कल्पना कीजिए कि लोगों का एक समूह है। TSigI समूह की औसत ऊंचाई बताता है। यदि हर कोई 6 फीट लंबा है, तो औसत 6 है। यदि आपके पास एक विशाल व्यक्ति और कई छोटे लोग हैं, तो औसत अभी भी 6 हो सकता है, लेकिन यह पूरी कहानी नहीं बताता। यह "सिग्नल स्ट्रेंथ" या विशेषताओं के सामान्य पैमाने को पकड़ता है।
टोपोलॉजिकल स्टेबिलिटी इंडेक्स (TSI): "ऊंचाई का विचरण (Variance)"
- यह क्या है: यह मापता है कि बार की लंबाई कितनी फैली हुई है। यह विचरण (सांख्यिकीय प्रसार) की गणना करता है।
- उपमा: वापस भीड़ पर चलते हैं।
  - परिदृश्य A: हर कोई ठीक 6 फीट लंबा है। "फैलाव" शून्य है। TSI कम है।
  - परिदृश्य B: आपके पास एक व्यक्ति है जो 7 फीट लंबा है और दूसरा 5 फीट लंबा है। औसत अभी भी 6 है, लेकिन समूह "अव्यवस्थित" या "विषम (heterogeneous)" है। TSI उच्च है।
- यह क्यों महत्वपूर्ण है: TSI पूर्ण (absolute) अंतरों के प्रति संवेदनशील है। यह बता सकता है कि क्या एक बारकोड में कुछ बहुत बड़े, प्रमुख फीचर्स और कई छोटे फीचर्स हैं (उच्च TSI), बनाम एक बारकोड जहाँ सभी फीचर्स लगभग एक ही आकार के हैं (निम्न TSI)।

गुप्त संबंध: "सामान्यीकृत" संस्करण

लेखकों ने एक "सामान्यीकृत" संस्करण भी बनाया है जिसे cvTSI कहा जाता है।

उपमा: कल्पना कीजिए कि आप एक छोटे पोखर की "अव्यवस्था" की तुलना एक विशाल महासागर से करना चाहते हैं। आप लहरों के कच्चे फैलाव को केवल इसलिए नहीं माप सकते क्योंकि महासागर स्वाभाविक रूप से बड़ा होता है। आपको इसे सामान्य (normalize) करना होगा।
जादुई कड़ी: पेपर यह सिद्ध करता है कि यह सामान्यित अव्यवस्था (cv-TSI), सूचना सिद्धांत (information theory) की एक अवधारणा जिसे रेनी एंट्रॉपी (Rényi Entropy) कहा जाता है, से गणितीय रूप से जुड़ी हुई है।
- इसे ऐसे समझें जैसे दो अलग-अलग भाषाएं एक ही कहानी का वर्णन कर रही हों। एक भाषा (एंट्रॉपी) कहानी को संकुचित करने के लिए लघुगणक (logarithms) का उपयोग करती है, जबकि दूसरी भाषा (cvTSI) एक सीधी रेखा (विचरण) का उपयोग करती है। वे दोनों बार्स के वितरण के बारे में एक ही बात बताते हैं, लेकिन वे अलग-अलग विवरणों पर जोर देते हैं। पेपर दिखाता है कि आप उनके बीच पूरी तरह से अनुवाद कर सकते हैं।

प्रयोगों ने क्या दिखाया

लेखकों ने सिंथेटिक डेटा (जैसे कंप्यूटर-जनरेटेड आकार और रैंडम टाइम सीरीज़) पर इन उपकरणों का परीक्षण किया ताकि यह देखा जा सके कि वे पुराने उपकरणों की तुलना में कैसे व्यवहार करते हैं।

डिटरमिनिस्टिक बनाम रैंडम (Deterministic vs. Random):
- जब उन्होंने अपने डेटा में एक स्थिर, अनुमानित रुझान (जैसे ऊपर की ओर जाने वाली एक सीधी रेखा) जोड़ा, तो पुराने उपकरणों (एंट्रॉपी) और नए उपकरणों (TSI) में बहुत अधिक बदलाव नहीं हुआ। वे उबाऊ, अनुमानित पैटर्न को अनदेखा करने में अच्छे हैं।
- हालाँकि, जब उन्होंने रैंडम शोर (random noise) (जैसे रेडियो पर स्टैटिक या कैमरा शेकिंग) जोड़ा, तो TSI बढ़ गया। यह "अराजकता" या रैंडम उतार-चढ़ाव का पता लगाने में बहुत अच्छा है। यह बताता है, "अरे, फीचर्स हर जगह बिखरे हुए हैं!"
"शॉर्ट बार" की समस्या:
- पेपर एक विचित्र बात स्वीकार करता है: यदि आप अपनी सूची में एक बहुत छोटा, लगभग अदृश्य बार जोड़ते हैं, तो TSI बदल जाता है। यह एक कमरे के दिग्गजों के बीच एक बहुत छोटे व्यक्ति को जोड़ने जैसा है; कमरे का "विचरण" तुरंत बदल जाता है।
- पुराना एंट्रॉपी टूल अधिक सुचारू (smooth) है और एक छोटा बार जोड़ने पर ज्यादा फर्क नहीं डालता।
- निष्कर्ष: TSI बड़े संरचनात्मक परिवर्तनों और रैंडम शोर को देखने के लिए बेहतरीन है, लेकिन यदि आपके डेटा में बहुत सारे छोटे, शोर वाले फीचर्स हैं, तो यह थोड़ा "उछाल वाला (jumpy)" हो सकता है।

सरल अंग्रेजी में सारांश

पुराना तरीका (एंट्रॉपी): "विशेषताएं कितनी समान रूप से वितरित हैं?" (वास्तविक आकार की परवाह नहीं करता)।
नया तरीका (TSI + TSigI): "औसतन फीचर्स कितने बड़े हैं?" (TSigI) और "उनके आकार में कितना अंतर है?" (TSI)।
परिणाम: नए उपकरण आपको बेहतर संरचनात्मक परिवर्तनशीलता (structural variability) की तस्वीर देते हैं। वे यह बता सकते हैं कि एक समान रूप से अराजक सिस्टम और एक ऐसा सिस्टम जिसमें कुछ प्रमुख फीचर्स शोर के साथ मिश्रित हैं, के बीच क्या अंतर है। वे विशेष रूप से डेटा में रैंडम उतार-चढ़ाव को पकड़ने में अच्छे हैं, जिन्हें पुराने उपकरण कभी-कभी मिस कर देते हैं।

संक्षेप में, यह पेपर डेटा वैज्ञानिकों को उनके डेटा के आकार की "अव्यवस्था" को मापने के लिए एक नया पैमाना (TSI) देता है, जो पुराने पैमाने का पूरक है जो केवल आकार के "संतुलन" को मापता था।

तकनीकी सारांश: टोपोलॉजिकल स्टेबिलिटी इंडेक्स (Topological Stability Index)

समस्या विवरण

टोपोलॉजिकल डेटा एनालिसिस (TDA) विभिन्न पैमानों (scales) पर टोपोलॉजिकल विशेषताओं के विकास को दर्शाने के लिए पर्सिस्टेंस डायग्राम और बारकोड्स का उपयोग करता है। जबकि ये निरूपण समृद्ध और स्थिर होते हैं, मानक सांख्यिकीय उपकरणों के साथ इन्हें एकीकृत करना चुनौतीपूर्ण बना हुआ है क्योंकि पर्सिस्टेंस डायग्राम के स्थान में एक सरल रैखिक या उत्तल (convex) संरचना का अभाव होता है।

मौजूदा स्केलर सारांश, जैसे कि पर्सिस्टेंट एंट्रॉपी (persistent entropy), इसे बारकोड्स को एकल मानों में मैप करके संबोधित करते हैं। हालाँकि, पर्सिस्टेंट एंट्रॉपी पर्सिस्टेंस लाइफटाइम्स (सापेक्ष भार) के वितरण पर निर्भर करती है। फलस्वरूप, यह स्केल-इनवेरिएंट (scale-invariant) है और पूर्ण विक्षेपण (absolute dispersion) या पर्सिस्टेंस लाइफटाइम्स के परिमाण के अंतर को पकड़ने में विफल रहती है। कई अनुप्रयोगों में, पैमाने और परिवर्तनशीलता के पूर्ण अंतर सार्थक संरचनात्मक विषमता के संकेतक होते हैं, फिर भी वे एंट्रॉपी-आधारित सारांशों में लुप्त हो जाते हैं। एक ऐसे स्केलर माप की आवश्यकता है जो पर्सिस्टेंस लाइफटाइम्स के पूर्ण विक्षेपण को माप सके और साथ ही संरचनात्मक विषमता के प्रति संवेदनशील भी रहे।

कार्यप्रणाली

लेखक टोपोलॉजिकल स्टेबिलिटी इंडेक्स (TSI) का परिचय देते हैं, जो एक वेरिएंस-आधारित (variance-based) स्केलर माप है जिसे पर्सिस्टेंस लाइफटाइम्स के मल्टीसेट के सैंपल वेरिएंस के रूप में परिभाषित किया गया है।

1. परिभाषा और मुख्य गुण

माना कि $B$ एक पर्सिस्टेंस बारकोड है जिसमें $n_B$ बार्स और लाइफटाइम्स $\ell_i = d_i - b_i$ हैं। TSI को इस प्रकार परिभाषित किया गया है:
$\text{TSI}(B) := \text{Var}(L_B) = \frac{1}{n_B - 1} \sum_{i=1}^{n_B} \left( \ell_i - \frac{L_B}{n_B} \right)^2$
जहाँ $L_B = \sum \ell_i$ कुल पर्सिस्टेंस है।

स्थापित प्रमुख गणितीय गुण शामिल हैं:

स्केलिंग (Scaling): फिल्ट्रेशन मानों के यूनिफॉर्म स्केलिंग के तहत TSI द्विघाती ( $c^2$ ) रूप से स्केल करता है।
ट्रांसलेशन इनवेरिएंस (Translation Invariance): TSI डेथ टाइम्स के यूनिफॉर्म ट्रांसलेशन (सभी लाइफटाइम्स को एक स्थिरांक द्वारा खिसकाना) के तहत इनवेरिएंट है, बशर्ते बार्स की संख्या स्थिर रहे।
एक्सट्रीमल कैरेक्टराइजेशन (Extremal Characterization): बार्स की निश्चित संख्या और निश्चित कुल पर्सिस्टेंस के लिए, TSI तब न्यूनतम (शून्य) होता है जब सभी लाइफटाइम्स समान होती हैं और तब अधिकतम होता है जब पर्सिस्टेंस एक एकल बार में केंद्रित होती है।
अपडेट फॉर्मूला: एक बार के सम्मिलन (insertion) या विलोपन (deletion) के तहत TSI के लिए स्पष्ट रिकर्सिव फॉर्मूले प्राप्त किए गए हैं, जो मौजूदा माध्य से नए बार की लंबाई के विचलन के प्रति संवेदनशीलता दिखाते हैं।
स्थिरता (Stability): हालांकि TSI बार्स के सम्मिलन के तहत निरंतर (continuous) नहीं है (सैंपल साइज नॉर्मलाइजेशन के कारण), यह बार्स की संख्या निश्चित होने पर खाली डायग्राम और बॉटलनेक डिस्टेंस के सापेक्ष मात्रात्मक सीमाएं स्वीकार करता है।

2. पूरक सिग्नल इंडेक्स

लाइफटाइम्स के विशिष्ट पैमाने को पकड़ने के लिए, लेखक टोपोलॉजिकल सिग्नल इंडेक्स (TSigI) को परिभाषित करते हैं:
$\text{TSigI}(B) := \frac{\sum \ell_i^2}{\sum \ell_i}$
इसे पर्सिस्टेंस-वेटेड मीन लाइफटाइम के रूप में व्याख्यायित किया जाता है। साथ मिलकर, $(\text{TSigI}(B), \text{TSI}(B))$ एक दो-आयामी सारांश बनाते हैं जो बारकोड के परिमाण (सिग्नल स्ट्रेंथ) और विक्षेपण (संरचनात्मक परिवर्तनशीलता) को एनकोड करता है।

3. सामान्यीकृत संस्करण और एंट्रॉपी संबंध

वेरिएंस-आधारित और एंट्रॉपी-आधारित सारांशों के बीच के अंतर को पाटने के लिए, एक सामान्यीकृत संस्करण, cvTSI, पेश किया गया है:
$\text{cvTSI}(B) := \frac{\text{TSI}(B)}{(\bar{\ell}_B)^2}$
जहाँ $\bar{\ell}_B$ औसत बार लंबाई है।

स्केल इनवेरिएंस: cvTSI यूनिफॉर्म स्केलिंग के तहत इनवेरिएंट है।
रेनी एंट्रॉपी (Rényi Entropy) के साथ संबंध: लेखक $H_2$ के साथ cvTSI और रेनी एंट्रॉपी के क्रम दो के बीच एक सटीक बीजगणितीय संबंध सिद्ध करते हैं। विशेष रूप से, cvTSI कोलिजन प्रोबेबिलिटी $\sum p_i^2$ (जहाँ $p_i$ सामान्यीकृत लाइफटाइम्स हैं) का एक एफाइन फंक्शन है। इस प्रकार, cvTSI $H_2$ का एक मोनोटोन रीपैरामीट्राइजेशन है।
टेलर एक्सपेंशन (Taylor Expansion): यूनिफॉर्म डिस्ट्रीब्यूशन के पास, पर्सिस्टेंट एंट्रॉपी $E(B)$ को cvTSI के एक लीनियर फंक्शन के रूप में अनुमानित किया जा सकता है, जो दर्शाता है कि cvTSI एंट्रॉपी के अधिकतम से द्विघाती विचलन को पकड़ता है।

मुख्य परिणाम

पेपर सिंथेटिक ज्यामितीय डेटा और स्टोकेस्टिक टाइम सीरीज़ पर संख्यात्मक प्रयोगों के माध्यम से TSI के सैद्धांतिक गुणों और व्यावहारिक उपयोगिता को प्रमाणित करता है:

ज्यामितीय कॉन्फ़िगरेशन (सर्कल्स):
- विलगित (disjoint) और इंटरट्वाइन्ड सर्कल मॉडल में, TSI सैंपलिंग डेंसिटी बढ़ने के साथ तेजी से एक एसिम्प्टोटिक मान की ओर अभिसरित होता है, जो सैंपलिंग डेंसिटी के प्रति मजबूती प्रदर्शित करता है।
- पर्सिस्टेंट एंट्रॉपी के विपरीत, जो बर्थ टाइम्स के शून्य की ओर अभिसरण पर निर्भर करती है, TSI बारकोड के यूनिफॉर्म ट्रांसलेशन (जैसे विलगित सर्कल्स में नमूना आकार बदलना) के तहत इनवेरिएंट रहता है।
- TSI स्थानीय गड़बड़ी (छोटे-समय वाले बार्स) के प्रति संवेदनशील है, जबकि एंट्रॉपी सामान्यीकृत वितरण के समग्र संतुलन को दर्शाती है।
शोर रोबस्टनेस (Noise Robustness):
- बढ़ते गॉसियन या यूनिफॉर्म शोर के तहत, TSI तेजी से शून्य की ओर घटता है क्योंकि प्रमुख विशेषताएं नष्ट हो जाती हैं और लाइफटाइम्स समान रूप से छोटी हो जाती हैं।
- इसके विपरीत, पर्सिस्टेंट एंट्रॉपी मोनोटोन रूप से बढ़ती है क्योंकि लाइफटाइम्स का वितरण अधिक यूनिफॉर्म (कई छोटे-समय वाले फीचर्स) हो जाता है।
- cvTSI गैर-मोनोटोन व्यवहार प्रदर्शित करता है, जो प्रमुख और अल्पकालिक फीचर्स के मिश्रण के दौरान चरम पर होता है, और फिर शोर हावी होने पर घटने लगता है।
स्टोकेस्टिक टाइम सीरीज़ (जियोमेट्रिक ब्राउनियन मोशन):
- GBM का विश्लेषण करते समय, TSI नियतकालिक रुझानों (ड्रिफ्ट) के प्रति काफी हद तक असंवेदनशील है लेकिन स्टोकेस्टिक उतार-चढ़ाव (वोलेटिलिटी) के प्रति दृढ़ता से प्रतिक्रिया करता है।
- बढ़ती अस्थिरता (volatility) से उच्च TSI मान प्राप्त होते हैं, जो पर्सिस्टेंस लाइफटाइम्स में बढ़ी हुई विक्षेपण को दर्शाते हैं।
- यह एंट्रॉपी के विपरीत है, जो ड्रिफ्ट पर केवल कमजोर निर्भरता और वोलेटिलिटी पर मध्यम निर्भरता दिखाती है।

महत्व और दावे

पेपर यह दावा करता है कि टोपोलॉजिकल स्टेबिलिटी इंडेक्स TDA में मौजूदा एंट्रॉपी-आधारित सारांशों के लिए एक आवश्यक पूरक प्रदान करता है। इसके प्राथमिक योगदान हैं:

पूर्ण विक्षेपण को पकड़ना: पर्सिस्टेंट एंट्रॉपी के विपरीत, TSI पर्सिस्टेंस लाइफटाइम्स के पूर्ण परिवर्तनशीलता को मापता है, जिससे यह विषम फीचर स्केल्स और संरचनात्मक जटिलता के प्रति संवेदनशील हो जाता है जिसे एंट्रॉपी छोड़ देती है।
एकीकृत परिप्रेक्ष्य: cvTSI के माध्यम से, पेपर वेरिएंस-आधारित मापों और सूचना-सैद्धांतिक सारांशों (रेनी एंट्रॉपी) के बीच एक सीधा गणितीय लिंक स्थापित करता है, जिससे दो अलग-अलग दृष्टिकोणों का एकीकरण होता है।
पूरक संवेदनशीलता: प्रयोगों से पता चलता है कि TSI और एंट्रॉपी डेटा संरचना के विभिन्न पहलुओं को पकड़ते हैं। TSI नियतकालिक रुझानों के प्रति अपेक्षाकृत असंवेदनशील है लेकिन स्टोकेस्टिक उतार-चढ़ाव और पर्सिस्टेंस परिमाण के बदलावों के प्रति अत्यधिक प्रतिक्रियाशील है।
दो-आयामी सारांश: $(\text{TSigI}, \text{TSI})$ का जोड़ा एक सरल, व्याख्या योग्य दो-आयामी सारांश प्रदान करता है जो टोपोलॉजिकल फीचर्स के विशिष्ट पैमाने और उनकी संरचनात्मक परिवर्तनशीलता दोनों को एनकोड करता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि TSI के बार इंसर्शन के तहत निरंतरता और बार्स की संख्या पर निर्भरता जैसी सीमाएं हैं, यह संरचनात्मक विषमता के लिए एक मजबूत डिस्क्रिप्टर के रूप में कार्य करता है, विशेष रूप से उन परिदृश्यों में जहां पूर्ण पैमाना और विक्षेपण महत्वपूर्ण हैं। भविष्य के कार्य के लिए पर्सिस्टेंस-कर्व फ्रेमवर्क के भीतर कार्यात्मक एनालॉग विकसित करने और सांख्यिकीय अनुमान के लिए एसिम्प्टोटिक व्यवहार का अध्ययन करने का सुझाव दिया गया है।