Riepilogo Tecnico: Classificazione Funzionale Semi-parametrica tramite Regressione Logistica con Firma di Percorso e Selezione Adattiva dell'Ordine

Definizione del Problema

Il documento affronta la sfida di classificare dati funzionali a valori vettoriali (ad esempio, traiettorie di serie temporali multidimensionali) in presenza di covariate scalari. I modelli tradizionali di regressione logistica funzionale si affidano a ipotesi lineari ed espansioni di base fisse (ad esempio, Fourier, B-spline, FPCA). Tali approcci classici affrontano tre limitazioni primarie:

1. Ipotesi di Linearità: Assumono una relazione lineare tra i predittori funzionali e il log-odds della risposta, il che può fallire nel catturare dinamiche non lineari complesse.
2. Sensibilità alla Base: Le prestazioni dipendono fortemente dalla scelta delle funzioni di base e dal posizionamento dei nodi, portando a potenziali errori di specificazione del modello e a una scarsa interpretabilità.
3. Fragilità al Campionamento Irregolare: Le proiezioni di base assumono traiettorie completamente campionate in modo uniforme. Il campionamento irregolare o i dati mancanti introducono un bias di rappresentazione e richiedono l'interpolazione, che può portare a un eccessivo smoothing o a un bias strutturale.

Inoltre, i metodi esistenti spesso trascurano le correlazioni tra canali o richiedono un allineamento temporale perfetto, il che è impraticabile in scenari del mondo reale come l'analisi del cammino o il riconoscimento dell'attività basato su sensori.

Metodologia: Regressione Logistica con Firma di Percorso (PSLR)

Gli autori propongono la Regressione Logistica con Firma di Percorso (PSLR), un framework semi-parametrico che sostituisce il termine funzionale lineare con una trasformazione non lineare basata sulle firme di percorso (path signatures).

Formulazione del Modello

Il modello assume una struttura additiva semi-parametrica per il log-odds condizionale:
$$\text{Logit}(P(y=1|X, z)) = F(X) + z^\top \gamma$$
dove $X$ è un predittore funzionale $d$-dimensionale, $z$ è un vettore di covariate scalari e $F$ è una mappatura funzionale smooth e non parametrica.

Per approssimare $F(X)$, il metodo tratta il segnale aumentato nel tempo $\tilde{X} = (X, t)$ come un percorso continuo. Sfruttando la proprietà di universalità delle firme di percorso (teorema di tipo Stone–Weierstrass), $F(X)$ viene approssimata da una forma lineare della firma troncata:
$$F(X) \approx S_p(\tilde{X})^\top \beta_p$$
dove $S_p(\tilde{X})$ è la firma di percorso troncata di ordine $p$, e $\beta_p$ è un vettore di coefficienti. Il modello completo diventa un modello lineare generalizzato:
$$\text{Logit}(P(y=1|X, z)) = \tilde{S}_p^\top \theta_p$$
dove $\tilde{S}_p$ concatena le caratteristiche della firma e le covariate scalari.

Innovazioni Chiave

1. Rappresentazione Indipendente dalla Base: Le firme catturano caratteristiche geometriche e temporali (spostamento, curvatura, area con segno) senza richiedere la selezione di una base.
2. Robustezza all'Irregolarità: La trasformazione della firma è stabile rispetto a piccole perturbazioni del percorso. Il metodo utilizza un'interpolazione lineare a tratti locale, che teoricamente svanisce in errore al raffinarsi della griglia di campionamento, a differenza delle proiezioni di base globali che soffrono di un bias strutturale irreversibile.
3. Selezione Adattiva dell'Ordine: Un contributo critico è una procedura completamente guidata dai dati per selezionare l'ordine di troncamento $p$. Invece di fissare $p$ in modo euristico, gli autori propongono di minimizzare un criterio di rischio empirico penalizzato:
   $$\hat{p} = \arg\min_{p} \left( \hat{L}_n(p) + \text{penn}(p, q) \right)$$
   dove $\hat{L}_n(p)$ è il rischio empirico regolarizzato e il termine di penalità $\text{penn}(p, q)$ scala con la complessità delle caratteristiche della firma ($\sqrt{s_d(p)}$) e la dimensione delle covariate scalari ($\sqrt{q}$).

Contributi Teorici

Il documento fornisce garanzie non asintotiche rigorose per il framework proposto:

• Esistenza dell'Ordine Ottimale: Dimostra l'esistenza di un ordine di troncamento ottimale $p^*$ e di coefficienti $\theta^*_{p^*}$ che approssimano arbitrariamente bene il rischio della popolazione.
• Consistenza: L'estimatore guidato dai dati $\hat{p}$ è dimostrato essere consistente, convergendo all'ordine ottimale vero $p^*$ con probabilità esponenziale all'aumentare della dimensione del campione.
• Convergenza del Rischio: Il rischio del classificatore converge al tasso parametrico standard di $O(n^{-1/2})$, a condizione che venga selezionato l'ordine corretto.
• Limite di Ricerca Finito: Gli autori derivano un limite superiore computabile $P$ per l'intervallo di ricerca di $p$, garantendo che l'ottimizzazione sia finita e pratica ($P = O(\log n)$).
• Propagazione dell'Errore: Viene stabilito un framework che mostra come l'errore di ricostruzione di PSLR svanisca con il raffinamento della griglia, contrastando con il bias irreversibile dei metodi di espansione di base.

Risultati Sperimentali

Il metodo è stato valutato su dati sintetici e tre dataset del mondo reale:

1. Dati Sintetici: PSLR ha superato costantemente i classificatori funzionali classici (B-spline, Fourier, FPCA) e le versioni ablate (solo Signature, solo Scalare) attraverso diverse dimensioni, conteggi di covariate scalari e scenari di campionamento irregolare (dati mancanti e griglie temporali non uniformi).
2. Analisi del Cammino per la Malattia di Parkinson: Utilizzando i dati della Forza di Reazione al Suolo Verticale (VGRF), PSLR ha ottenuto un'accuratezza e un punteggio F1 superiori rispetto ai baseline. Il modello ha identificato con successo coefficienti interpretabili, come l'impatto negativo della riduzione della variabilità in specifiche regioni del piede sulla probabilità di PD, allineandosi con le osservazioni cliniche di un cammino rigido.
3. Riconoscimento dell'Attività Umana (MotionSense): Nella classificazione tra camminata e corsa utilizzando i dati dei sensori dello smartphone, PSLR ha dimostrato un'accuratezza e una stabilità superiori rispetto ai baseline, sfruttando efficacemente sia i segnali di movimento funzionale che gli attributi scalari (ad esempio, il peso).
4. Cammino Clinico Multi-Coorte: Il metodo è stato applicato per distinguere pazienti neurologici da controlli sani utilizzando dati da sensori indossabili, validando ulteriormente la sua robustezza in contesti complessi e ad alta dimensionalità.

Significato e Rivendicazioni

Il documento sostiene che PSLR offra un avanzamento pratico e teorico nell'analisi dei dati funzionali:

• Integrazione della Teoria dei Percorsi Rough con la Complessità Adattiva: Colma il divario tra il potere teorico delle firme di percorso e la selezione del modello adattiva, andando oltre le euristiche a ordine fisso.
• Gestione delle Imperfezioni dei Dati Reali: Evitando le espansioni di base, il metodo gestisce intrinsecamente il campionamento irregolare e le dipendenze tra canali senza richiedere l'allineamento temporale o l'imputazione complessa.
• Interpretabilità: Il framework mantiene l'interpretabilità per le covariate scalari fornendo al contempo un'interpretazione geometrica degli effetti funzionali attraverso i termini della firma (ad esempio, spostamento, area, interazioni).
• Rigore Teorico: Colma una lacuna critica nella letteratura fornendo le prime garanzie non asintotiche per la selezione dell'ordine adattivo nella classificazione basata su firme semi-parametrica, assicurando che la complessità del modello cresca solo quanto necessario per catturare la struttura intrinseca dei dati.

Gli autori sottolineano che, sebbene la trasformazione della firma sia nota, la sua integrazione con il controllo della complessità adattiva e le covariate scalari all'interno di un unico framework di regressione logistica semi-parametrica è un contributo originale supportato da rigorose garanzie a campione finito.