🤖 machine learning

ScaleMAP: Preserving Local Density and Neighborhood Structure in Low-Dimensional Embeddings

ScaleMAP è un nuovo metodo di riduzione della dimensionalità che preserva sia la densità locale che la struttura dei vicini nelle rappresentazioni a bassa dimensionalità, normalizzando gli spostamenti a coppie con i raggi locali, recuperando efficacemente strutture sparse e ampie variazioni di densità che vengono spesso perse o distorte in tecniche esistenti come UMAP e DensMAP.

Autori originali: Rajas Poorna (Georgia Institute of Technology), Marcus T. Cicerone (Georgia Institute of Technology)

Pubblicato 2026-06-01

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Rajas Poorna (Georgia Institute of Technology), Marcus T. Cicerone (Georgia Institute of Technology)

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

Immagina di avere una stanza gigante e disordinosa piena di migliaia di oggetti diversi. Ci sono massi enormi, sassolini minuscoli e fili delicati che collegano due cumuli di sabbia. Il tuo obiettivo è scattare una foto di questa stanza che stia su un piccolo pezzo di carta (una mappa 2D) in modo da poter vedere come tutto si relaziona tra di sé.

Il problema è che gli strumenti che usiamo di solito per scattare questa foto (chiamati UMAP e t-SNE) hanno l'abitudine strana di trattare ogni oggetto come se avesse la stessa dimensione. Schiacciano i massi e allungano i sassolini finché tutto non sembra avere circa la stessa dimensione. Questo è ottimo per vedere quali oggetti sono vicini tra loro, ma distrugge l'informazione su quanto sia affollato o sparso un determinato settore. È come scattare una foto dove una foresta densa e un singolo albero solitario sembrano occupare lo stesso spazio.

Questo articolo presenta uno strumento nuovo chiamato ScaleMAP che risolve questo problema. Ecco come funziona, usando analogie semplici:

Il Problema: L'effetto "Equalizzatore"

Gli strumenti esistenti (come UMAP) agiscono come un rigoroso equalizzatore audio che forza ogni suono allo stesso volume.

Il Problema: Se hai una folla densa di persone (un "cluster") e un gruppo sparso di persone che cammina su un ponte, i vecchi strumenti schiacciano la folla e allungano il ponte finché non sembrano della stessa dimensione.
La Conseguenza: Perdi il "ponte". Nei dati reali, questi ponti rappresentano transizioni importanti (come una cellula che cambia da un tipo all'altro). Se lo strumento schiaccia il ponte, la transizione scompare e i dati sembrano interrotti.

La Vecchia Soluzione: Aggiungere una "Penalità"

Uno strumento precedente chiamato DensMAP ha cercato di risolvere questo problema aggiungendo una "penalità" alla matematica. Ha detto al computer: "Ehi, se la folla sembra troppo piccola, spingili lontano l'uno dall'altro!"

Il Difetto: Questa penalità combatte contro l'obiettivo principale di tenere vicini i vicini. È come cercare di tenersi per mano con un amico mentre qualcun altro ti tira continuamente nella direzione opposta. Il risultato? La folla si disperde e le persone finiscono lontane dai loro veri vicini, rendendo la mappa disordinata e difficile da leggere.

La Nuova Soluzione: ScaleMAP (La fotocamera a "Zoom Variabile")

ScaleMAP adotta un approccio diverso. Inveve di aggiungere una penalità che combatte il sistema, cambia l'obiettivo della fotocamera.

Immagina di camminare per una città:

In un mercato affollato: Fai piccoli passi perché ci sono molte persone.
In un parco vuoto: Fai passi lunghi e giganti perché c'è molto spazio.

ScaleMAP fa questo matematicamente. Osserva quanto un'area sia affollata nei dati originali e dice alla mappa: "Se quest'area era affollata, tratta la distanza tra i punti come 'piccola'. Se quest'area era vuota, tratta la distanza come 'grande'."

In sostanza dice: "Non cambiare le regole del gioco; cambia solo la dimensione del campo da gioco in base alla folla."

Cosa Ottiene Questo

Usando questo approccio a "zoom variabile", ScaleMAP riesce a fare due cose contemporaneamente che altri strumenti non potevano fare:

Mantiene i vicini uniti: Proprio come UMAP, tiene gli amici vicini ai loro amici.
Preserva la dimensione della folla: Proprio come DensMAP, mantiene le folle dense con un aspetto denso e le aree sparse con un aspetto sparso.

Esempi del Mondo Reale dall'Articolo

Gli autori hanno testato questo strumento su tre tipi di "stanze" (dataset):

La "Città Cellulare" (Trascrittomica): Nei dati relativi alle cellule immunitarie, ci sono dei "ponti" che collegano diversi tipi di cellule (come un percorso da una cellula bambina a una adulta). UMAP schiaccia questi percorsi rendendoli così sottili da farli scomparire. ScaleMAP mantiene il percorso ampio e visibile, mostrando l'intero viaggio della cellula.
L' "Immagine Spettrale" (Imaging Iperspettrale): Immagina la foto di un verme dove la maggior parte è di un colore, ma c'è un picco minuscolo e netto di un colore diverso. UMAP spalma questo picco nello sfondo. ScaleMAP mantiene il picco nitido e distinto, come un ago in un pagliaio che puoi effettivamente vedere.
La "Citometria a Flusso" (Conteggio delle Cellule): Questo dato ha un intervallo enorme di densità: alcune aree hanno milioni di cellule, altre quasi nessuna. UMAP e DensMAP si confondono davanti a questa enorme differenza. ScaleMAP lo gestisce perfettamente, mostrando una struttura che spazia su 17 ordini di grandezza (che è come confrontare la dimensione di un granello di sabbia con quella di una montagna, tutto su una singola mappa).

In Breve

ScaleMAP è un modo più intelligente per appiattire i dati 3D (o 100D) in un'immagine 2D. Non forza i dati ad apparire uniformi. Inveve, rispetta la "dimensione" naturale dei diversi gruppi, assicurando che le folle dense rimangano dense, i ponti sparsi rimangano visibili e nessuno si perda nella folla. Combina le parti migliori degli strumenti precedenti senza i loro effetti collaterali disordinati.

Sintesi Tecnica: ScaleMAP

Definizione del Problema
I metodi di riduzione della dimensionalità (DR) non lineare, in particolare UMAP, PaCMAP e t-SNE, sono strumenti standard per l'analisi esplorativa di dati ad alta dimensione. Questi metodi costruiscono grafi $k$ -vicini più prossimi (kNN) approssimati e normalizzano le distanze locali utilizzando larghezze di banda adattive per gestire variazioni di densità locale. Sebbene questa normalizzazione garantisca robustezza alle variazioni di densità, essa elimina involontariamente la scala assoluta dei vicinati. Di conseguenza, questi metodi non riescono a preservare le dimensioni relative dei cluster e sopprimono le strutture sparse, come i ponti tra tipi cellulari in transizione, gli stretti picchi spettrali nelle immagini iperspettrali o le variazioni di densità che spaziano su molti ordini di grandezza (ad esempio, nella citometria a flusso).

I tentativi esistenti per correggere questo fenomeno, come DensMAP, introducono un termine di penalità nella funzione di perdita per massimizzare la correlazione tra le densità locali nello spazio originale e nello spazio di embedding. Tuttavia, il documento sostiene che questo approccio crea un obiettivo contrastante: la penalità di densità combatte contro le forze intrinseche di attrazione-repulsione di UMAP. Questo conflitto disperde i punti lontano dai loro veri vicinati, portando a un'alta frazione di "punti disconnessi" e rendendo difficili da interpretare le regioni sparse.

Metodologia
ScaleMAP propone un approccio diverso: invece di aggiungere un termine di perdita contrastante, reintroduce l'informazione sulla scala attraverso un cambio di variabili applicato alla metrica di distanza all'interno dell'obiettivo esistente di UMAP.

Definizione del Raggio Locale: ScaleMAP utilizza il "raggio locale" ( $r_i$ ), una distanza radice quadrata media ponderata di un punto rispetto ai suoi vicini nello spazio originale, come misura della scala del vicinato.
Distanza Riscalata: Invece di utilizzare la distanza euclidea al quadrato $d_{ij}^2 = \|y_i - y_j\|^2$ nella funzione di perdita, ScaleMAP definisce una distanza al quadrato riscalata:
$\tilde{d}_{ij}^2 = \frac{d_{ij}^2}{r_i r_j}$
dove $r_i$ e $r_j$ sono i raggi locali dei due endpoint.
Modifica delle Forze: Questa sostituzione modifica il gradiente della funzione di perdita dell'entropia incrociata. Le regole di aggiornamento sia per le forze attrattive (vicini) che per quelle repulsive (non vicini) sono scalate da un fattore di $1/(r_i r_j)$ $1/ (r_{i} r_{j})$ .
- Simmetria: Fondamentalmente, la riscalatura si applica simmetricamente sia alle forze attrattive che a quelle repulsive. Ciò preserva l'equilibrio locale che conferisce a UMAP le sue proprietà di preservazione del vicinato.
- Effetto: I punti in regioni sparse (grandi $r_i, r_j$ ) sperimentano forze più deboli per unità di spostamento euclideo, causando l'espansione dell'embedding. I punti in regioni dense rimangono compatti.
Normalizzazione: Per gestire le scale di distanza indipendenti dei dati originali e dell'embedding, i raggi locali vengono normalizzati utilizzando il 95° percentile ( $P_{95}$ ) della distribuzione dei raggi prima della sostituzione.
Estensione a PaCMAP: Lo stesso principio è applicato a PaCMAP (denominato Scale-PaCMAP) sostituendo la media geometrica dei raggi con il prodotto delle scale di distanza per punto di PaCMAP ( $\sigma_i \sigma_j$ ).

Contributi Chiave

Formulazione Innovativa: L'introduzione di ScaleMAP, una modifica di UMAP che inietta informazioni sulla scala locale tramite un cambio di variabili piuttosto che un termine di perdita aggiuntivo.
Equilibrio delle Prestazioni: Dimostrazione che ScaleMAP raggiunge una preservazione del vicinato di livello UMAP e allo stesso tempo eguaglia o supera DensMAP nella preservazione della densità, con una frazione significativamente minore di punti dispersi (disconnessi).
Recupero della Struttura: Recupero riuscito delle strutture sparse che UMAP collassa (ad esempio, i ponti trascrizionali) e preservazione delle strutture di densità multiscala (ad esempio, dati di citometria a flusso che spaziano su 17 ordini di grandezza).
Generalizzabilità: Evidenza che il principio del cambio di variabili si generalizza ad altri metodi, specificamente PaCMAP.

Risultati
Gli autori hanno valutato ScaleMAP su benchmark standard (MNIST, Fashion-MNIST, COIL-20, Mammoth) e tre dataset scientifici (trascrittomica Tabula Sapiens, imaging iperspettrale BCARS e citometria a flusso di midollo osseo umano).

Metriche Quantitative:
- Preservazione della Densità: ScaleMAP raggiunge una preservazione della densità (coefficiente $R^2$ del fit log-log) comparabile a DensMAP nella maggior parte dei dataset (ad esempio, $R^2 \approx 0,51$ su Fashion-MNIST rispetto allo $0,58$ di DensMAP). Su dataset con range dinamici estremi, ScaleMAP supera DensMAP (ad esempio, Citometria a Flusso: $R^2 = 0,80$ rispetto a $0,68$; Imaging Iperspettrale: $R^2 = 0,81$ rispetto a $0,59$).
- Preservazione del Vicinato: ScaleMAP mantiene una recall kNN comparabile a UMAP (ad esempio, 14,3% rispetto al 13,3% di UMAP su Fashion-MNIST) e significativamente migliore di DensMAP (7,1%).
- Punti Disconnessi: ScaleMAP mantiene bassa la frazione di punti disconnessi, in modo comparabile a UMAP (ad esempio, 0,19% rispetto allo 0,11% di UMAP), mentre DensMAP mostra una frazione di punti disconnessi di un ordine di grandezza superiore (3,48%).
- Mixing di Classi: ScaleMAP riduce il mixing di classi rispetto a entrambi i baseline.
Osservazioni Qualitative:
- Trascrittomica: ScaleMAP recupera i ponti sparsi tra le popolazioni cellulari (ad esempio, monociti-neutrofili, cellule B-T) che vengono collassati o sono invisibili in UMAP.
- Imaging Iperspettrale: Rivela picchi spettrali sparsi e piccoli cluster che UMAP comprime o assorbe nel background.
- Citometria a Flusso: Rappresenta fedelmente la struttura multiscala attraverso 17 ordini di grandezza, preservando un "bulbo" denso di cellule marker-negative che appare come una piccola caratteristica nell'embedding, a differenza di UMAP/DensMAP che mancano di tale fedeltà multiscala.
- Diagnostica Sintetica: Sui dataset "XOI" e "Bridge", ScaleMAP preserva correttamente le dimensioni relative e le connessioni sparse, mentre DensMAP distorce le forme e disperde i punti.

Significato e Rivendicazioni
Il documento afferma che ScaleMAP rappresenta un miglioramento fondamentale nel modo in cui gli embedding che preservano il vicinato gestiscono la scala. Trattando la riscalatura come un cambio di variabili piuttosto che come un obiettivo contrastante, ScaleMAP evita il compromesso tra fedeltà della densità e integrità del vicinato che affligge DensMAP.

Gli autori asseriscono che ScaleMAP è l'unico metodo testato che non sacrifica un asse della qualità dell'embedding per un altro: mantiene la preservazione del vicinato di UMAP, eguaglia la fedeltà della densità di DensMAP e migliora la preservazione dell'ordine delle distanze globali (superando PaCMAP su dataset con ampi range dinamici). Il documento conclude che il ripristino della scala locale è un ingrediente mancante generale negli embedding che preservano il vicinato e suggerisce ScaleMAP come metodo predefinito quando la rappresentazione fedele della scala è critica per la visualizzazione. L'approccio è notato per essere computazionalmente efficiente, aggiungendo solo un overhead $O(n)$ per il precalcolo dei raggi, con un tempo di esecuzione totale circa il doppio di quello di UMAP.