Resumo Técnico: Classificação Funcional Semiparamétrica via Regressão Logística de Assinaturas de Caminhos com Seleção de Ordem Adaptativa

Declaração do Problema

O artigo aborda o desafio de classificar dados funcionais de valores vetoriais (por exemplo, trajetórias de séries temporais multidimensionais) na presença de covariáveis escalares. Modelos tradicionais de regressão logística funcional dependem de suposições lineares e expansões de base fixas (ex: Fourier, B-splines, FPCA). Essas abordagens clássicas enfrentam três limitações principais:

1. Suposição de Linearidade: Elas assumem uma relação linear entre os preditores funcionais e o log-odds da resposta, o que pode falhar em capturar dinâmicas não lineares complexas.
2. Sensibilidade à Base: O desempenho é altamente dependente da escolha das funções de base e do posicionamento dos nós, levando a uma potencial má especificação do modelo e interpretação obscurecida.
3. Fragilidade à Amostragem Irregular: Projeções de base assumem trajetórias amostradas de forma completa e uniforme. A amostragem irregular ou dados ausentes introduzem viés de representação e exigem interpolação, o que pode levar ao excesso de suavização (over-smoothing) ou viés estrutural.

Além disso, métodos existentes frequentemente negligenciam correlações entre canais ou exigem alinhamento temporal perfeito, o que é impraticável em cenários do mundo real, como análise de marcha ou reconhecimento de atividade baseado em sensores.

Metodologia: Regressão Logística de Assinaturas de Caminhos (PSLR)

Os autores propõem a Regressão Logística de Assinaturas de Caminhos (PSLR), um framework semiparamétrico que substitui o termo funcional linear por uma transformação não linear baseada em assinaturas de caminhos (path signatures).

Formulação do Modelo

O modelo assume uma estrutura aditiva semiparamétrica para o log-odds condicional:
$$\text{Logit}(P(y=1|X, z)) = F(X) + z^\top \gamma$$
onde $X$ é um preditor funcional de $d$ dimensões, $z$ é um vetor de covariáveis escalares e $F$ é um mapeamento funcional não paramétrico suave.

Para aproximar $F(X)$, o método trata o sinal aumentado pelo tempo $\tilde{X} = (X, t)$ como um caminho contínuo. Aproveitando a propriedade de universalidade das assinaturas de caminhos (teorema do tipo Stone–Weierstrass), $F(X)$ é aproximado por uma forma linear da assinatura truncada:
$$F(X) \approx S_p(\tilde{X})^\top \beta_p$$
onde $S_p(\tilde{X})$ é a assinatura de caminho truncada de ordem $p$, e $\beta_p$ é um vetor de coeficientes. O modelo completo torna-se um modelo linear generalizado:
$$\text{Logit}(P(y=1|X, z)) = \tilde{S}_p^\top \theta_p$$
onde $\tilde{S}_p$ concatena as características da assinatura e as covariáveis escalares.

Inovações Principais

1. Representação Livre de Base: As assinaturas capturam características geométricas e temporais (deslocamento, curvatura, área assinada) sem exigir a seleção de uma base.
2. Robustez à Irregularidade: A transformada de assinatura é estável sob pequenas perturbações do caminho. O método utiliza interpolação linear segmentada local, que teoricamente desaparece em erro conforme a grade de amostragem se refina, ao contrário das projeções de base globais que sofrem de viés estrutural irredutível.
3. Seleção de Ordem Adaptativa: Uma contribuição crítica é um procedimento totalmente orientado pelos dados para selecionar a ordem de truncamento $p$. Em vez de fixar $p$ heuristicamente, os autores propõem minimizar um critério de risco empírico penalizado:
   $$\hat{p} = \arg\min_{p} \left( \hat{L}_n(p) + \text{penn}(p, q) \right)$$
   onde $\hat{L}_n(p)$ é o risco empírico regularizado e o termo de penalidade $\text{penn}(p, q)$ escala com a complexidade das características da assinatura ($\sqrt{s_d(p)}$) e a dimensão das covariáveis escalares ($\sqrt{q}$).

Contribuições Teóricas

O artigo fornece garantias não assintóticas rigorosas para o framework proposto:

• Existência de Ordem Ótima: Prova a existência de uma ordem de truncamento ótima $p^*$ e coeficientes $\theta^*_{p^*}$ que aproximam o risco populacional arbitrariamente bem.
• Consistência: Demonstra-se que o estimador orientado pelos dados $\hat{p}$ é consistente, convergindo para a verdadeira ordem ótima $p^*$ com probabilidade exponencial conforme o tamanho da amostra aumenta.
• Convergência de Risco: O risco do classificador converge à taxa paramétrica padrão de $O(n^{-1/2})$, desde que a ordem correta seja selecionada.
• Limite de Busca Finito: Os autores derivam um limite computável $P$ para o intervalo de busca de $p$, garantindo que a otimização seja finita e prática ($P = O(\log n)$).
• Propagação de Erro: Estabelece-se um framework mostrando que o erro de reconstrução da PSLR desaparece com o refinamento da grade, contrastando com o viés irredutível dos métodos de expansão de base sob amostragem irregular.

Resultados Experimentais

O método foi avaliado em dados sintéticos e três conjuntos de dados do mundo real:

1. Dados Sintéticos: A PSLR superou consistentemente os classificadores funcionais clássicos (B-spline, Fourier, FPCA) e versões abladas (apenas Assinatura, apenas Escalar) através de diferentes dimensões, contagens de covariáveis escalares e cenários de amostragem irregular (dados ausentes e grades temporais desiguais).
2. Análise de Marcha da Doença de Parkinson: Usando dados de Força de Reação do Solo Vertical (VGRF), a PSLR alcançou precisão e pontuações F1 superiores em comparação com os baselines. O modelo identificou com sucesso coeficientes interpretáveis, como o impacto negativo da redução da variabilidade em regiões específicas do pé na probabilidade de DP, alinhando-se com observações clínicas de marcha rígida.
3. Reconhecimento de Atividade Humana (MotionSense): Na classificação de caminhada versus corrida utilizando dados de sensores de smartphone, a PSLR demonstrou maior precisão e estabilidade do que os baselines, aproveitando efetivamente tanto sinais de movimento funcionais quanto atributos escalares (ex: peso).
4. Marcha Clínica Multicohorte: O método foi aplicado para distinguir pacientes neurológicos de controles saudáveis usando dados de sensores vestíveis, validando ainda mais sua robustez em configurações complexas e de alta dimensão.

Significância e Alegações

O artigo afirma que a PSLR oferece um avanço prático e teórico na análise de dados funcionais ao:

• Integrar a Teoria de Caminhos Rugosos com Complexidade Adaptativa: Ela une o poder teórico das assinaturas de caminhos com o controle de complexidade adaptativa, indo além de heurísticas de ordem fixa.
• Lidar com Imperfeições de Dados do Mundo Real: Ao evitar expansões de base, o método lida inerentemente com amostragem irregular e dependências entre canais sem exigir alinhamento temporal ou imputação complexa.
• Interpretabilidade: O framework mantém a interpretabilidade para covariáveis escalares enquanto fornece uma interpretação geométrica dos efeitos funcionais através de termos de assinatura (ex: deslocamento, área, interações).
• Rigor Teórico: Preenche uma lacuna crítica na literatura ao fornecer as primeiras garantias não assintóticas para a seleção de ordem adaptativa em classificação baseada em assinaturas semiparamétrica, garantindo que a complexidade do modelo cresça apenas conforme necessário para capturar a estrutura intrínseca dos dados.

Os autores enfatizam que, embora a transformada de assinatura em si seja conhecida, sua integração com o controle de complexidade adaptativa e covariáveis escalares dentro de um framework unificado de regressão logística semiparamétrica é uma contribuição original apoiada por garantias rigorosas de amostra finita.