Wasserstein Spatial Depth

1. 문제 제기 (Problem Statement)

• 배경: 현대 데이터 과학에서는 이미지, 텍스트, 그래프 등 복잡한 객체를 유클리드 공간의 벡터가 아닌 확률 분포나 **측도 (measure)**로 모델링하는 경향이 강해지고 있습니다. 특히 Wasserstein 공간은 데이터의 기하학적 구조와 변이 (variability) 를 효과적으로 포착합니다.
• 한계: 기존 통계적 도구 (유클리드 공간용) 는 Wasserstein 공간의 비선형성 (non-linearity) 과 리만 다양체 (Riemannian manifold) 와 유사한 기하학적 구조를 처리하지 못합니다.
• 핵심 과제:
  1. 유클리드 공간의 통계적 깊이 (Statistical Depth) 개념을 Wasserstein 공간으로 확장하여 분포들을 순위 매기고 (ranking) 정렬 (ordering) 할 수 있어야 합니다.
  2. 기존 깊이 측정법 (Tukey depth, Monge-Kantorovich depth 등) 은 Wasserstein 공간에서 계산 비용이 기하급수적으로 증가하거나, 비선형 구조를 반영하지 못해 적용이 어렵습니다.
  3. 데이터의 중심성 (centrality) 을 정의하고, 이상치 탐지, 군집화, 가설 검정 등을 수행할 수 있는 새로운 도구가 필요합니다.

2. 방법론 (Methodology)

2.1. Wasserstein 공간 깊이 (WSD) 정의

저자들은 유클리드 공간의 **Spatial Depth (공간 깊이)**를 Wasserstein 공간의 지오데식 (geodesic) 구조에 맞게 재해석하여 정의했습니다.

• 유클리드 공간 깊이: 점 $x$와 확률변수 $X$ 사이의 단위 벡터 방향의 기대값을 사용하여 정의됩니다.
  $$SD(x; P) = 1 - \left\| \mathbb{E} \left[ \frac{X - x}{\|X - x\|} \right] \right\|$$
• Wasserstein 공간 깊이 (WSD):
  • Wasserstein 공간에서 두 분포 $Q$와 $P$를 연결하는 **지오데식 (geodesic)**은 최적 수송 (Optimal Transport) 맵 $T_{Q,P}$를 통해 정의됩니다.
  • $Q$에 대한 WSD는 $P$에서 $Q$로 향하는 지오데식의 "속도 벡터"의 평균 방향성을 기반으로 정의됩니다.
  • 수식: $Q \in \mathcal{P}_{ac}^2(\mathbb{R}^d)$ (절대연속 측도) 에 대해,
    $$WSD(Q; \mathcal{P}) := 1 - \left( \int \left\| \mathbb{E}_{P \sim \mathcal{P}} \left[ \frac{x - T_{Q,P}(x)}{W_2(P, Q)} \right] \right\|^2 dQ(x) \right)^{1/2}$$
    여기서 $T_{Q,P}$는 $Q$에서 $P$로의 최적 수송 맵이고, $W_2$는 2-Wasserstein 거리입니다.

2.2. 추정 및 계산

• 샘플링 모델:
  1. One-stage: 분포 $P_1, \dots, P_n$이 직접 관측됨.
  2. Two-stage: 각 분포 $P_i$로부터 $m$개의 데이터 포인트 $X_{i,j}$가 관측됨 (실제 데이터에 더 적합).
• 추정량: 경험적 분포 $P_{n,m}$을 사용하여 WSD를 추정하며, 다항 시간 (polynomial time) 내에 계산 가능합니다.

3. 주요 기여 및 이론적 성질 (Key Contributions & Theoretical Properties)

논문은 제안된 WSD가 기존 통계적 깊이가 가져야 할 핵심 성질들을 만족함을 증명했습니다.

1. 값의 범위: $[0, 1]$ 사이의 값을 가집니다.
2. 변환 불변성 (Transformation Invariance):
   • Isometry 불변성: Wasserstein 공간의 등거리 변환 (isometry) 에 대해 불변입니다.
   • 지오데식 불변성: 지오데식을 따라 이동해도 깊이의 값이 변하지 않습니다.
3. 무한대에서의 소멸 (Vanishing at Infinity): 분포가 중심에서 멀어질수록 깊이는 0 으로 수렴합니다.
4. 중심에서의 최대값 (Maximality at the Center): 기하학적 중앙값 (geometric median) 에서 깊이가 최대 (1) 가 됩니다.
5. 연속성 (Continuity): 분포 $Q$와 $P$의 변화에 대해 WSD 함수는 연속적입니다.
6. 강건성 (Robustness):
   • Breakdown Point: 경험적 깊이 영역의 붕괴점은 $\alpha/2$로, 유클리드 공간의 공간 깊이와 유사한 강건성을 가집니다.
   • 영향 함수 (Influence Function): 영향 함수가 유계 (bounded) 임을 증명하여 이상치에 민감하지 않음을 보였습니다.

4. 실험 결과 및 검증 (Results & Validation)

저자들은 다양한 시뮬레이션과 실제 데이터 분석을 통해 WSD의 유효성을 입증했습니다.

• 일관성 (Consistency): 표본 크기가 커질수록 경험적 WSD가 모수적 WSD로 수렴함을 확인했습니다.
• 이상치 탐지 (Outlier Detection):
  • 다양한 분포 (가우시안, 균일, 포아송 등) 로 구성된 데이터에서 WSD는 다른 분포 (이상치) 를 명확하게 식별했습니다.
  • 비교: 기존 함수형 데이터 깊이 (Functional Depth, RKHS 임베딩 기반) 나 일반 거리 기반 깊이 (Metric Lens Depth, Metric Spatial Depth) 와 비교했을 때, WSD가 분포 간의 기하학적 순서를 훨씬 더 잘 포착하고 이상치를 효과적으로 분리했습니다.
• 두 표본 검정 (Two-Sample Test):
  • WSD를 기반으로 한 비모수적 순열 검정 (permutation test) 을 제안했습니다.
  • 이 검정은 분포 간의 차이를 감지하는 데 높은 검정력 (power) 을 보이며, 기존 거리 프로파일 (Distance Profile) 기반 검정보다 더 안정적이고 강력했습니다.
• 실제 데이터 적용 (Climate Data):
  • 유럽의 일일 기온 데이터 (1874~2023 년) 를 분포로 모델링하여 적용했습니다.
  • WSD를 통해 역사적으로 기록된 극한 기후 연도 (예: 1879 년, 1942 년, 2018 년 등) 를 이상 연도로 성공적으로 식별했습니다. 이는 WSD가 실제 기후 변화의 비정상적인 패턴을 포착하는 데 유용함을 보여줍니다.

5. 의의 및 결론 (Significance & Conclusion)

• 이론적 발전: 유클리드 공간의 통계적 깊이 개념을 비선형인 Wasserstein 공간으로 성공적으로 확장하여, 분포 데이터 분석을 위한 새로운 기하학적 프레임워크를 제공했습니다.
• 계산적 실용성: 기존 방법론들이 겪던 계산 복잡도 문제를 해결하고, 다항 시간 내에 계산 가능한 효율적인 추정량을 제시했습니다.
• 응용 가능성: 이상치 탐지, 군집화, 가설 검정 등 다양한 통계적 분석 도구를 분포 데이터에 적용할 수 있는 길을 열었습니다.
• 미래 방향: 정규화된 최적 수송 (Regularized Optimal Transport) 으로 WSD를 확장하거나, 절대연속이 아닌 이산 분포에 대한 깊이 정의 등을 향후 연구 과제로 제시했습니다.

결론적으로, 이 논문은 Wasserstein 공간에서 데이터의 "중심성"을 정의하는 강력한 도구인 WSD를 제안함으로써, 복잡한 분포 데이터의 통계적 분석과 기계 학습 분야에서 중요한 진전을 이루었습니다.