Robust functional PCA for relative data

기술 요약: 상대적 데이터를 위한 강건한 함수적 주성분 분석 (Robust Functional PCA for Relative Data)

문제 정의
함수적 데이터 분석(FDA)은 전통적으로 절대적 크기에 초점을 맞추어 왔으나, 많은 응용 분야에서는 확률 밀도 함수(PDF), 연령별 출산율, 또는 스펙트럼 곡선과 같은 "상대적" 함수적 데이터를 다룹니다. 이러한 맥락에서 관심 대상은 절대적인 규모보다는 분포의 패턴이나 형태에 있습니다. 표준 FDA 기법은 이러한 영역에서 데이터의 구성적 특성(비음성 및 단위 적분 제약 조건)을 존중하지 못하기 때문에 종종 실패합니다.

최 recent 연구들은 이러한 데이터를 무한 차원 구성물로 모델링하는 베이즈 공간(Bayes space) 프레임워크를 확립했지만, 이 공간 내의 기존 차원 축소 도구인 **심플렉스 함수적 주성분 분석(SFPCA)**은 표본 공분산 연산자에 의존합니다. 이러한 표준 추정량은 이상치(outliers)와 비정상적인 관측치에 매우 민감합니다. 상대적 데이터에서 이상치는 단순한 크기 편차가 아니라 구조적 형태의 이상(예: 질량의 예상치 못한 재분배)으로 나타나는 경우가 많으며, 이는 기존의 유클리드 공간을 위해 설계된 전통적인 강건한 방법들이나 표준 SFPCA를 효과적이지 않게 만듭니다. 베이즈 공간의 기하학적 구조를 보존하면서 이러한 이상치를 처리할 수 있는 강건한 방법론이 부족한 실정입니다.

방법론
본 논문은 이상치가 존재하는 밀도 데이터에 대한 함수적 주성분(FPC)을 추정하기 위해 설계된 방법론인 **강건한 밀도 주성분 분석(RDPCA)**을 제안합니다. 방법론은 다음과 같은 이론적 및 알고리즘적 단계를 거칩니다.

1. 베이즈 공간 프레임 프레임워크: 데이터 $X$는 단위 적분을 가진 양의 밀도들의 힐베르트 공간 $B^2(I)$의 원소로 모델링됩니다. 분석에는 중심 로그비(centered logratio, clr) 변환을 활용하는데, 이는 베이즈 공간을 적분이 0인 $L^2(I)$의 부분 공간으로 등거리 사상(isometrically map)하여, 데이터의 상대적 성격을 존중하면서 표준 힐베르트 공간 도구를 사용할 수 있게 합니다.

2. 정규화된 마할라노비스 거리 (Regularized Mahalanobis Distance, RDMD):

   • 핵심 혁신은 마할라노비스 거리를 베이즈 공간으로 확장한 것입니다. 무한 차원 설정에서는 공분산 연산자가 역행렬을 갖지 않습니다. 이를 해결하기 위해, 저자들은 티코노프(Tikhonov) 유형의 최적화 문제를 풀어 밀도 $X$의 **정규화된 표준화(regularized standardization)**를 정의합니다:
     $$X^{\alpha, L}_{st} = \arg \min_{Y \in B^2(I)} \left\{ \|C^{1/2}_{B^2,X} Y \ominus X\|^2_{B} + \alpha \|LY\|^2_{B} \right\}$$
     여기서 $C_{B^2,X}$는 공분산 연산자이고, $\alpha > 0$는 정규화 매개변수이며, $L$은 정규화 연산자(예: 첫 $k$개 고유함수의 여집합으로의 직교 투영)입니다.
   • 그 후, **정규화된 밀도 마할라노비스 거리(RDMD)**는 표준화된 밀도 간의 차이의 제곱 노름으로 정의됩니다: $M^2_{\alpha,k,B^2}(X, Y) = \|X^{\alpha,k}_{st} \ominus Y^{\alpha,k}_{st}\|^2_{B^2}$.
   • 이 거리는 이전의 함수적 마할라노비스 개념(절단된 및 $\alpha$-마할라노비스 거리)을 일반화하며, 밀도 데이터의 특정 제약 조건을 고려합니다.

3. 강건한 공분산 추정:

   • 중심성을 측정하는 척도로서 RDMD를 사용하여, **절단 공분산 추정량(trimmed covariance estimator)**을 채택합니다. 데이터의 최적 부분 집합 $H_0$는 관측치들의 평균 제곱 RDMD를 최소화함으로써 식별됩니다.
   • 강건한 평균과 공분산은 오직 이 중심 부분 집합만을 사용하여 계산됩니다. 가우시안 가정 하에서의 일관성을 보장하기 위해 척도 인자(scaling factor)가 적용되지만, 추정 자체를 위해 엄격하게 가우시안성을 요구하지는 않습니다.

4. 알고리즘 (RDPCA):

   • 절차는 반복적입니다. 현재의 부분 집합에서 강건한 평균/공분산을 추정하는 단계와 업데이트된 RDMD를 기반으로 부분 집합을 재평가하는 단계를 번갈아 수행하며 수렴할 때까지 반복합니다.
   • 이 방법은 이산화된 데이터(적분 합으로 근사됨)와 함수적 표현(구성적 스플라인과 같은 기저에 투영됨) 모두를 지원합니다. 명제 4.1은 데이터가 고정된 정규 직교 기저로 표현될 때, RDMD가 기저 계수들에 대한 행렬 연산을 통해 정확하게 계산될 수 있음을 보여줍니다.

주요 결과
RDPCA의 성능은 시뮬레이션 연구와 실제 응용 사례를 통해 평가되었습니다.

• 시뮬레이션:

  • 이상치가 존재하는 경우(Huber의 $\epsilon$-오염 모델을 통해 도입됨), RDPCA는 공분산 연산자와 주성분을 추정하는 데 있어 표준 SFPCA보다 성능이 현저히 우수했습니다.
  • 평가 지표로는 공분산 추정을 위한 적분 제곱 오차(ISE)와 고유함수에 대한 평균 코사인 유사도가 포함되었습니다. RDPCA는 오염율이 20%에 달할 때도 높은 정확도를 유지했습니다.
  • 흥미롭게도, RDPCA는 비오염 환경에서도, 특히 기저 스코어 분포가 두꺼운 꼬리(heavy-tailed) 분포(예: 다변량 $t$-분포)를 가질 때 SFPCA보다 우수한 성능을 보였습니다.
  • 이 방법은 RDMD의 극한 분포를 기반으로 이상치를 성공적으로 식별해 냈으며, 반면 비강건한 방법들은 이례적인 곡선들을 구별하는 데 실패했습니다.

• 실제 데이터 응용:

  • EPXMA 스펙트럼: 유리 용기 스펙트럼에 적용되었을 때, RDPCA는 서로 다른 유리 유형을 효과적으로 구분하였으며 표준 방법들이 놓친 이상 스펙트럼을 식별해 냈습니다. 강건한 상관 함수는 비강건한 방법들의 편향에 의해 가려졌던 구조적 차이를 드러냈습니다.
  • 출산율 데이터: 국가 및 연도별 연령별 출산율(ASFR)을 분석했습니다. 이 방법은 특이한 출산 패턴을 보이는 국가(예: 1956년의 일본)를 식별하였으며, 출산 역동성의 변화(20대 초반에서 30세 전후로 이동하는 피크)를 표준 접근 방식보다 더 강건하게 포착했습니다.

의의 및 주장
본 논문은 베이즈 공간 내의 상대적 함수적 데이터에 특화된 최초의 강건한 주성분 분석 프레임워크를 제공한다고 주장합니다. 주요 기여는 다음과 같습니다.

1. 이론적 확장: 정규화된 마할라노비스 거리를 베이즈 공간으로 확장하여, 밀도 데이터의 구성적 기하학을 존중하면서도 무한 차원에서 공분산 연산자가 역행렬을 갖지 않는 문제를 해결했습니다.
2. 구조적 이상에 대한 강건성: 이상치를 단순한 크기 편차로 취급하는 기존의 FDA 방법과 달리, RDPCA는 상대적 데이터에 내재된 구조적 형태의 이상을 탐지하고 가중치를 낮추도록 설계되었습니다.
3. 실용적 유용성: 이 방법은 이산화된 데이터와 기저 확장 데이터를 모두 처리할 수 있는 계산 가능한 알고리즘(알고리즘 1)을 제공하며, 노이즈와 이상치가 존재하는 밀도 함수 분석을 위한 실행 가능한 도구를 제공합니다.

저자들은 목표가 단순히 이상치 탐지가 아니라, 정확한 공분산 및 주성분 추정치를 산출하는 강건한 PCA 방법을 구축하는 것임을 강조합니다. 또한 현재의 연구는 단변량 밀도에 집중하고 있지만, 이 프레임워크가 다변량 밀도 및 랜덤 서피스로의 향후 확장을 위한 길을 열어준다고 언급했습니다. 다만 이는 현재의 범위를 벗어난 사항입니다.