技術要約：適応的次数選択を伴うパス・シグネチャ・ロジスティック回帰による半パラメトリック関数分類

問題提起

本論文は、スカラー共変量が存在する状況下での、ベクトル値関数データ（例：多次元時系列軌跡）の分類における課題に取り組んでいる。従来の関数ロジスティック回帰モデルは、線形仮定および固定された基底展開（例：フーリエ級数、B-スプライン、FPCA）に依存している。これらの古典的なアプローチには、主に以下の3つの限界がある：

1. 線形性の仮定： 関数予測量と応答の対数オッズとの間に線形関係を仮定しており、これは複雑な非線形ダイナミクスを捉えきれない可能性がある。
2. 基底への敏感性： パフォーマンスが基底関数の選択やノット（節）の配置に強く依存するため、モデルの誤設定が生じやすく、解釈性が損なわれる可能性がある。
3. 不規則なサンプリングに対する脆弱性： 基底投影は、完全かつ一様にサンプリングされた軌跡を前提としている。不規則なサンプリングや欠損データは、表現のバイアスを導入し、過度な平滑化や構造的バイアスを招く可能性のある補間を必要とする。

さらに、既存の手法はチャネル間の相関を無視しているか、あるいは完全な時間的整合性を要求することが多く、これは歩行解析やセンサーベースの活動認識といった実世界のシナリオにおいては非現実的である。

手法：パス・シグネチャ・ロジスティック回帰 (PSLR)

著者らは、線形関数項をパス・シグネチャに基づく非線形変換に置き換える半パラメトリック・フレームワークであるパス・シグネチャ・ロジスティック回帰 (PSLR) を提案している。

モデル定式化

本モデルは、条件付き対数オッズに対して以下の半パラメトリックな加法構造を仮定する：
$$\text{Logit}(P(y=1|X, z)) = F(X) + z^\top \gamma$$
ここで、$X$ は $d$ 次元の関数的予測量、$z$ はスカラー共変量のベクトルであり、$F$ は滑らかな非パラメトリック関数写像である。

$F(X)$ を近似するために、本手法は時間拡張された信号 $\tilde{X} = (X, t)$ を連続なパスとして扱う。パス・シグネチャの普遍性（universality property）（Stone–Weierstrass型の定理）を利用し、$F(X)$ は截断されたシグネチャの線形形式によって近似される：
$$F(X) \approx S_p(\tilde{X})^\top \beta_p$$
ここで、$S_p(\tilde{X})$ は次数 $p$ の截断パス・シグネチャであり、$\beta_p$ は係数ベクトルである。完全なモデルは以下の一般化線形モデルとなる：
$$\text{Logit}(P(y=1|X, z)) = \tilde{S}_p^\top \theta_p$$
ここで、$\tilde{S}_p$ はシグネチャ特徴量とスカラー共変量を連結したものである。

主な革新性

1. 基底に依存しない表現： シグネチャは、基底の選択を必要とせずに、幾何学的および時間的な特徴（変位、曲率、符号付き面積）を捉える。
2. 不規則性に対する堅牢性： シグネチャ変換はパスの小さな摂動に対して安定している。本手法は局所的な区分線形補間を使用しており、これは、不規則なサンプリング下で取り消せない構造的バイアスを生じさせるグローバルな基底投影とは異なり、グリッドが精緻化するにつれて理論的に誤差が消失する。
3. 適応的次数選択： 重要な貢献は、完全にデータ駆動型のプロセスによる截断次数 $p$ の選択である。$p$ をヒューリスティックに固定する代わりに、著者らは以下の罰則付き経験リスク基準を最小化することを提案している：
   $$\hat{p} = \arg\min_{p} \left( \hat{L}_n(p) + \text{penn}(p, q) \right)$$
   ここで、$\hat{L}_n(p)$ は正則化された経験リスクであり、罰則項 $\text{penn}(p, q)$ はシグネチャ特徴の複雑さ ($\sqrt{s_d(p)}$) とスカラー共変量の次元 ($\sqrt{q}$) に比例する。

理論的貢献

本論文は、提案されたフレームワークに対して厳密な非漸近的保証を提供している：

• 最適次数の存在： 最適な截団次数 $p^*$ および係数 $\theta^*_{p^*}$ が存在し、これらが母集団リスクを任意に近似できることを証明している。
• 一致性： データ駆動型の推定値 $\hat{p}$ は、サンプルサイズが増加するにつれて、指数確率で真の最適次数 $p^*$ に収束することが示されている。
• リスク収束： 正しい次数が選択されている場合、分類器のリスクは標準的なパラメトリック速度である $O(n^{-1/2})$ で収束する。
• 有限探索界： 著者らは、$p$ の探索範囲に対する計算可能な上界 $P$ を導出し、最適化が有限かつ実用的であることを保証している（$P = O(\log n)$）。
• 誤差伝播： 不規則なサンプリング下での基底展開手法が持つ取り消せないバイアスとは対照的に、PSLRの再構成誤差はグリッドの精緻化とともに消失することを示すフレームワークを確立している。

実験結果

本手法は、合成データおよび3つの実世界のデータセットを用いて評価された：

1. 合成データ： PSLRは、様々な次元、スカラー共変量の数、および不規則なサンプリング（欠損データおよび不均一な時間グリッド）のシナリオにおいて、古典的な関数分類器（B-スプライン、フーリエ、FPCA）およびアブレーション版（シグネチャのみ、スカラーのみ）を一貫して上回った。
2. パーキンソン病の歩行解析： 垂直床反力（VGRF）データを用いた実験において、PSLRはベースラインと比較して優れた精度とF1スコアを達成した。本モデルは、特定の足部領域における変動性の減少がPD（パーキンソン病）の確率に与える負の影響など、臨床的観察と一致する解釈可能な係数を特定することに成功した。
3. 人間活動認識（MotionSense）： スマートフォンのセンサーデータを用いて歩行とジョギングを分類する際、PSLRはベースラインよりも高い精度と安定性を示し、関数的な運動信号とスカラー属性（体重など）を効果的に活用した。
4. マルチコホート臨床歩行： ウェアラブルセンサーデータを用いて神経学的患者と健常コントロール群を区別するために本手法を適用し、複雑で高次元な設定における堅牢性をさらに検証した。

意義と主張

本論文は、PSLRが以下の点において、関数データ解析における実用的かつ理論的な進展を提供すると主張している：

• ラフパス理論と適応的複雑性の統合： 固定次数のヒューリスティックを超え、パス・シグネチャの理論的な力と適応的な複雑性制御を橋渡ししている。
• 実世界のデータの不完全性の処理： 基底展開を回避することで、時間的整合性や複雑な補完を必要とせずに、不規則なサンプリングやチャネル間の依存関係を本質的に扱うことができる。
• 解釈性： 本フレームワークはスカラー共変量の解釈性を維持しつつ、シグネチャ項（例：変位、面積、相互作用）を通じて関数的効果の幾何学的な解釈を提供する。
• 理論的厳密性： 適応的な次数選択を伴う半パラメトリックなシグネチャベース分類における最初の非漸近的保証を提供することで、文献における重要な空白を埋めており、モデルの複雑さがデータの固有構造を捉えるために必要な場合にのみ成長することを保証している。

著者らは、パス・シグネチャ変換自体は既知であるが、それを適応的な複雑性制御およびスカラー共変量と統合して、統一された半パラメトリック・ロジスティック回帰フレームワークの中に組み込むことが、厳密な有限サンプル保証に裏付けられた新しい貢献であることを強調している。