📊 statistics

Local depth-based classification of directional data

Questo lavoro propone un metodo di classificazione per dati direzionali basato sull'utilizzo di una funzione di profondità locale all'interno di un grafico DD, la cui efficacia è stata validata attraverso studi di simulazione ed esempi su dati reali.

Autori originali: Giuseppe Gismondi, Rebecca Rivieccio, Giuseppe Pandolfo

Pubblicato 2026-02-24

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Giuseppe Gismondi, Rebecca Rivieccio, Giuseppe Pandolfo

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

🌍 Navigare nel "Mondo delle Freccette": Un nuovo modo per ordinare i dati

Immagina di dover organizzare una festa con degli ospiti che non parlano la tua lingua e non hanno un "alto" o un "basso". Sono tutti appesi a una gigantesca sfera invisibile (come se fossero puntine su un pallone da calcio gigante). Ogni puntina rappresenta una direzione: il vento che soffia, la direzione in cui guarda un uccello migratore, o l'orientamento di un magnete in una roccia.

In statistica, questi dati si chiamano dati direzionali. Il problema è: come fai a dire chi è il "capo" del gruppo o a separare due gruppi di ospiti che si mescolano?

🧭 Il vecchio metodo: La mappa globale (e i suoi limiti)

Fino a poco tempo fa, gli statistici usavano una "mappa globale". Immagina di guardare il pallone da calcio da molto lontano. Vedi un punto centrale e dici: "Tutti quelli vicini al centro sono importanti, quelli ai bordi sono periferici".

Questo funziona bene se gli ospiti sono tutti raggruppati in un unico grande cerchio. Ma cosa succede se ci sono tre gruppi distinti che ballano in tre angoli diversi del pallone?
La mappa globale dice: "C'è un solo centro, quello nel mezzo". Si perde tutto! Non riesce a vedere che ci sono tre piccoli centri di gravità separati. È come cercare di descrivere l'Italia dicendo che c'è un solo centro a metà strada tra Milano e Palermo: non ha senso, perché ci sono tre città principali (Nord, Centro, Sud) che funzionano da centri a sé stanti.

🔍 La nuova idea: La lente d'ingrandimento locale

Gli autori di questo studio (Giuseppe Gismondi, Rebecca Rivieccio e Giuseppe Pandolfo) hanno pensato: "E se invece di guardare tutto il pallone da lontano, usassimo una lente d'ingrandimento?"

Hanno creato un nuovo strumento chiamato LCDD (Local Cosine Distance Depth).
Ecco come funziona con una metafora:

Il Vicinato: Invece di chiederti "Quanto sei vicino al centro del mondo?", la lente ti chiede: "Quanto sei vicino ai tuoi vicini di casa immediati?".
La Scala (Beta): Puoi regolare la lente.
- Se la lente è molto stretta (β piccolo), vedi solo le persone che ti stanno appena accanto.
- Se allarghi la lente (β grande), vedi un quartiere intero.
- Se togli la lente (β = 1), vedi di nuovo tutto il mondo (il metodo vecchio).

Questo è geniale perché se ci sono tre gruppi di persone che ballano in tre angoli diversi, la lente d'ingrandimento riesce a vedere che ogni gruppo ha il suo centro, anche se sono lontani tra loro.

🎯 Il gioco del "Chi sei?" (Classificazione)

Ora, immagina di dover dividere gli ospiti in due squadre: "Squadra Rossa" e "Squadra Blu".
Il metodo tradizionale guarda la posizione globale e sbaglia spesso se i gruppi sono contorti o mescolati.

Il nuovo metodo usa un gioco chiamato DD-Plot (Grafico Profondità vs. Profondità).

Prendi un ospite incognito.
Chiedi alla lente: "Quanto sei 'centrale' per la Squadra Rossa?" e "Quanto sei 'centrale' per la Squadra Blu?".
Disegni un punto su un grafico con queste due risposte.
Tracci una linea curva che separa meglio i punti Rossi dai Blu.

Grazie alla lente d'ingrandimento, questa linea curva riesce a seguire le forme strane e contorte dei gruppi, separandoli molto meglio di una linea dritta o di una mappa globale.

🧪 Cosa hanno scoperto?

Hanno fatto due cose:

Simulazioni al computer: Hanno creato milioni di palloni con gruppi di puntine in posizioni difficili (gruppi multipli, forme strane).
- Risultato: Quando i gruppi erano semplici, tutti i metodi funzionavano bene. Ma quando i gruppi erano complessi (come tre isole separate), il metodo con la lente d'ingrandimento (LCDD) vinceva a mani basse, sbagliando molto meno.
Dati Reali:
- Clienti di un grossista: Hanno analizzato come spendono i clienti (ristoranti vs. negozi). La lente ha visto meglio le piccole differenze tra i gruppi.
- Email Spam: Hanno analizzato le email per capire quali sono spam. Anche qui, la lente ha permesso di distinguere meglio le email "sospette" da quelle normali, migliorando la precisione.

💡 In sintesi

Immagina di dover ordinare una stanza piena di oggetti sparsi.

Il metodo vecchio guarda la stanza da fuori e dice: "Tutto ciò che è vicino al centro della stanza è ordinato". Se gli oggetti sono in tre mucchi separati, questo metodo fallisce.
Il metodo nuovo entra nella stanza con una torcia (la lente). Guarda ogni mucchio di persona e dice: "Questo mucchio è ordinato al suo interno, anche se è lontano dagli altri".

Questo studio ci insegna che, quando i dati sono complessi e "frammentati", non bisogna guardare il quadro generale, ma concentrarsi sui vicini. A volte, per capire il mondo, basta guardare chi ti sta accanto.

1. Il Problema

L'analisi dei dati direzionali riguarda osservazioni rappresentate come vettori unitari o punti sulla superficie di un'ipersfera unitaria ( $S^{q-1}$ ). Questi dati sorgono in contesti come geologia, meteorologia e psicologia, dove l'orientamento è più informativo della magnitudine.
Le principali sfide nell'analisi di tali dati includono:

L'assenza di una direzione di riferimento naturale e di un ordinamento unico.
La difficoltà di definire funzioni di profondità (depth functions) adeguate per dati multimodali o con strutture non convesse.
I metodi di classificazione tradizionali basati su profondità globali (come la profondità angolare di Tukey o la profondità simpliciale) falliscono quando i dati presentano più modi (multimodalità) o strutture complesse, poiché forniscono una misura di centralità che non riesce a catturare le caratteristiche locali. Inoltre, alcune profondità geometriche possono assegnare valore zero a punti fuori dall'inviluppo convesso, rendendo problematica la classificazione supervisionata.

2. Metodologia Proposta

Gli autori propongono l'uso di una profondità locale basata sulla distanza coseno (Local Cosine Distance Depth - LCDD) integrata nel classificatore DD-plot (Depth vs. Depth).

A. Definizione della LCDD

La LCDD è un'estensione locale della Cosine Distance Depth (CDD) globale. Si basa sul concetto di riflettere i punti del campione rispetto a un punto di interesse $x_i$ per creare una regione riflessa, e poi calcolare la profondità solo all'interno di un vicinato definito.

Meccanismo di Riflessione: Per un punto $x_i$ , gli altri punti $x_j$ vengono riflessi simmetricamente attraverso $x_i$ utilizzando l'operatore $R(x_j, x_i) = 2x_i\langle x_i, x_j \rangle - x_j$ .
Vicinato ( $\beta$ -Depth Neighbourhood): Viene definito un vicinato $\beta$ -basato sulla profondità, che corrisponde, nel caso della CDD, ai $\beta(n-1)$ vicini più prossimi di $x_i$ in termini di distanza coseno.
Calcolo: La LCDD di un punto è la CDD calcolata rispetto alla distribuzione empirica limitata a questo vicinato locale.
Proprietà: La LCDD è invariante per rotazione, strettamente positiva e capace di catturare massimi locali in distribuzioni multimodali. Quando $\beta \to 1$ , la LCDD converge alla CDD globale.

B. Classificatore DD-Plot con Profondità Locale

Il metodo utilizza il grafico DD (Depth vs. Depth), dove ogni punto è rappresentato dalle sue profondità rispetto a due distribuzioni (classi) diverse.

Procedura: Si calcolano le LCDD per ogni osservazione rispetto alle due distribuzioni di training.
Separazione: Nel piano DD, si cerca una curva separatrice (solitamente un polinomio) che minimizzi il tasso di errore di classificazione empirico.
Selezione del parametro: Il parametro di localizzazione $\beta$ (che determina la dimensione del vicinato) viene selezionato tramite validazione incrociata per ottimizzare le prestazioni.

3. Contributi Chiave

Definizione Teorica della LCDD: Gli autori formalizzano matematicamente la LCDD per dati direzionali, dimostrando che, a differenza di altre profondità locali, essa mantiene una struttura lineare che permette di identificare efficientemente i vicini più prossimi e garantisce proprietà di consistenza uniforme.
Integrazione nel DD-Classifier: L'applicazione della LCDD al classificatore DD-plot permette di gestire distribuzioni complesse (multimodali e non convesse) che i metodi globali non riescono a separare correttamente.
Dimostrazione di Coerenza: Vengono forniti teoremi che dimostrano la coerenza asintotica del classificatore proposto, garantendo che, con campioni sufficientemente grandi, l'errore di classificazione converga all'errore di Bayes ottimale.
Analisi Comparativa Estesa: Il paper offre un confronto rigoroso tra l'approccio locale (LCDD) e quello globale (CDD) attraverso simulazioni e dati reali.

4. Risultati

Studio di Simulazione

Sono stati condotti esperimenti su due scenari principali:

Scenario 1 (Distribuzione von Mises-Fisher): Dati generati come miscele di distribuzioni vMF.
- In configurazioni semplici (unimodali), le prestazioni sono simili.
- In configurazioni complesse (multimodali), la LCDD supera significativamente la CDD globale, specialmente a bassi livelli di rumore e dimensioni moderate.
Scenario 2 (Distribuzione di Watson): Dati con strutture non convesse e bipolari.
- La CDD globale fallisce sistematicamente nel separare le classi quando queste hanno forme diverse o sono sovrapposte in modo non convesso.
- La LCDD dimostra una capacità superiore di adattamento, riducendo drasticamente il tasso di errore di classificazione.
Effetti Dimensionali e Rumore: In presenza di rumore molto elevato e dimensioni molto alte ( $d=25$ ), le prestazioni dei due metodi tendono a convergere, ma la LCDD rimane superiore o pari in tutti gli altri casi.

Esempi su Dati Reali

Clienti di un Distributore All'ingrosso:
- Dati composizionali trasformati su ipersfera.
- La LCDD ha migliorato il tasso di errore medio di circa il 4,5% rispetto alla versione globale, selezionando un $\beta$ ottimale di 0.05.
Database SPAM (Classificazione Email):
- Dati testuali ad alta dimensionalità (57 variabili).
- La LCDD ha ottenuto un miglioramento dell'8% rispetto al metodo globale, con un $\beta$ ottimale molto basso (0.01), indicando la necessità di una forte localizzazione per catturare le sottigliezze nei dati testuali.

5. Significato e Conclusioni

Il lavoro dimostra che l'introduzione di una nozione di profondità locale è cruciale per l'analisi dei dati direzionali, specialmente in contesti reali dove i dati raramente seguono distribuzioni unimodali e convesse.

Flessibilità: La LCDD offre una flessibilità superiore rispetto alle profondità globali, adattandosi alla scala di localizzazione dei dati attraverso il parametro $\beta$ .
Efficacia: L'approccio proposto si rivela robusto e superiore nei casi di strutture complesse, mantenendo buone prestazioni anche in scenari difficili.
Implicazioni Future: Il metodo apre la strada a classificazioni più accurate in campi come l'analisi di testi, la geologia e la biologia, dove l'orientamento e la direzione sono fondamentali. Il lavoro suggerisce anche estensioni future verso problemi di classificazione multiclasse e su varietà diverse dall'ipersfera.

In sintesi, il paper fornisce un framework teorico solido e una validazione empirica convincente per l'uso di profondità locali nella classificazione di dati direzionali, superando i limiti intrinseci degli approcci globali tradizionali.