论文技术总结：函数型数据的投影深度：实践问题、计算与应用

1. 研究背景与问题 (Problem)

函数型数据（Functional Data）分析面临的主要挑战在于其复杂的模式结构，传统的多元统计方法难以直接处理。统计深度（Statistical Depth）函数提供了一种有效的手段，用于衡量数据点相对于分布中心的“中心性”或“离群性”，从而为函数型数据建立排序结构。

然而，现有的函数型深度方法（如积分深度、带状深度等）往往主要关注点垂直方向的偏差，难以有效捕捉函数型数据中复杂的形状特征（Shape Features）。此外，将经典的投影深度（Projection Depth）直接推广到无限维希尔伯特空间时，会出现**退化（Degeneracy）**问题：即在几乎所有方向上，最大离群性趋于无穷大，导致深度值无意义。

核心问题：

1. 如何定义一种非退化的投影深度，使其在无限维空间中严格为正且具有统计意义？
2. 如何选择合适的正则化参数以平衡维数约简与对形状特征的敏感性？
3. 如何高效计算无限维空间中的投影深度？
4. 该方法在异常检测、分类、假设检验和稳健位置估计等实际任务中的表现如何？

2. 方法论 (Methodology)

本文基于 Bočinec et al. (2026) 提出的正则化投影深度（Regularized Projection Depth, RPD），深入探讨了其实践应用、计算策略及统计性能。

2.1 正则化投影深度 (RPD) 的定义

为了解决无限维空间中的退化问题，作者引入了正则化机制。

• 离群性定义：对于方向 $v$，点 $x$ 的离群性定义为 $O_v(x) = \frac{| \langle x, v \rangle - \text{med}[\langle X, v \rangle] |}{\text{MAD}[\langle X, v \rangle]}$。
• 正则化方向集：定义方向集 $V_\beta = \{v \in S : \text{MAD}[\langle X, v \rangle] \ge \beta\}$，其中 $\beta > 0$ 为正则化参数。这实际上筛选出了那些投影后具有足够变异性（非退化）的方向，相当于一种有效维数约简。
• 深度定义：$D_\beta(x) = \inf_{v \in V_\beta} (1 + O_v(x))^{-1}$。

2.2 参数选择策略：基于分位数的自适应选择

论文提出将正则化参数 $\beta$ 设定为随机投影 $\text{MAD}[\langle X, V \rangle]$ 的 $u$-分位数（$u \in (0, 1)$）。

• 理论保证：证明了当 $u > 0$ 时，$\beta(u) > 0$，从而保证深度的非退化性。
• 数据适应性：较小的 $u$ 值对应较弱的正则化（保留更多方向），有助于捕捉细微的形状特征；较大的 $u$ 值对应较强的正则化，能过滤掉噪声，提高稳健性。
• 一致性：证明了基于样本分位数的估计量 $\hat{\beta}_n(u)$ 是 $\beta(u)$ 的一致估计，且样本 RPD 在特定条件下具有均匀一致性。

2.3 计算算法：随机投影近似

由于在无限维空间中直接计算下确界不可行，作者提出了一种基于**随机投影（Random Projection）**的近似算法：

1. 从单位球面 $S$ 上独立采样 $L$ 个方向，计算样本 $\text{MAD}$ 的 $u$-分位数 $\hat{\beta}^{(L)}(u)$，确定近似方向集 $\hat{V}^{(L)}(u)$。
2. 从 $\hat{V}^{(L)}(u)$ 中再采样 $M$ 个方向，计算这些方向上离群性的最小值作为 RPD 的近似值。
3. 收敛性：理论证明了当 $L, M \to \infty$ 时，近似深度几乎必然收敛于理论深度。
4. 实现：利用 RcppArmadillo 在 R 语言中实现，计算效率高。

3. 主要贡献 (Key Contributions)

1. 理论完善：在 Bočinec et al. (2026) 的基础上，系统研究了 RPD 在参数自适应选择（基于分位数）下的理论性质，包括非退化性、正交不变性（在有限维离散化下）、一致性及诱导中位数的稳健性（崩溃点可达 1/2）。
2. 高效计算框架：提出并验证了基于随机投影的 RPD 近似计算算法，解决了无限维空间计算的难题，并提供了收敛性证明。
3. 广泛的实证评估：通过四个核心统计任务（异常检测、监督分类、双样本假设检验、稳健位置估计），全面评估了 RPD 的性能，并与现有的主流函数型深度方法（如 RHD, FD, MBD, ID, SD）进行了对比。
4. 揭示形状特征的重要性：通过数值实验证明，RPD 在处理具有复杂形状差异（如相位偏移、频率变化、形状畸变）的数据时，显著优于其他深度方法。

4. 实验结果 (Results)

4.1 异常检测 (Outlier Detection)

• 场景：包括幅度、位置、协方差结构、相位、频率及中心形状异常。
• 结果：
  • 在简单的幅度异常（D1）中，所有方法表现相当。
  • 在涉及形状差异的复杂场景（D5, D6，如中心高频异常和中心形状异常）中，RPD 表现近乎完美（平均秩接近理论最优值 0.051）。
  • 其他深度方法（如 FD, MBD, SD）主要依赖点垂直偏差，无法识别位于数据云中心但形状不同的异常点，表现较差。
  • 参数建议：对于异常检测，推荐使用极小的 $u$ 值（如 $u=0.001$）以增强对形状特征的敏感性。

4.2 监督分类 (Supervised Classification)

• 场景：基于 DD-plot（深度 - 深度图）的线性分类器和最大深度分类器。
• 结果：
  • 在仅存在均值差异的模型（C1）中，RPD 与其他方法表现相当。
  • 在存在形状差异的模型（C2, C3，如中心跳跃、维度差异）中，RPD 显著优于所有竞争对手。
  • RPD 能够将复杂的形状差异转化为 DD-plot 中清晰的线性可分结构，使得简单的线性分类器即可达到极低的误分类率。

4.3 假设检验 (Hypothesis Testing)

• 场景：基于秩的 Kruskal-Wallis 检验，比较两组分布是否相等。
• 结果：
  • 第一类错误控制：只有基于 RPD 的检验能准确控制第一类错误率（接近名义水平 0.05），其他深度方法（如 RHD, FD）往往导致检验过于宽松（Size 过大）。
  • 检验功效：在检测由形状特征驱动的分布差异时，RPD 展现出最强的统计功效。

4.4 稳健位置估计 (Robust Location Estimation)

• 场景：在存在不同污染（位移、振幅、相位、形状、峰值）的情况下估计中位函数。
• 结果：
  • 稳健性：RPD 诱导的中位数在存在大偏移或形状污染时，表现出优异的稳健性。
  • 参数权衡：与异常检测相反，在稳健估计任务中，较大的 $u$ 值（如 $u=0.5$）通常表现更好，因为更强的正则化能过滤掉极端离群点的影响，降低估计量的方差。
  • 对比 RHD（基于经典协方差算子），RPD（基于稳健的 MAD）在极端污染下具有明显优势。

5. 意义与结论 (Significance)

本文的研究表明，**正则化投影深度（RPD）**是处理函数型数据的一种强大且通用的工具。

1. 形状敏感性：RPD 的核心优势在于其能够捕捉函数型数据中复杂的形状特征（Shape Features），这是传统基于点垂直偏差的深度方法所欠缺的。这使得它在异常检测、分类和假设检验中，特别是在处理“中心但形状不同”的数据时，具有不可替代的优势。
2. 理论稳健性：RPD 继承了投影深度的优良性质，具有极高的崩溃点（50%），且在参数自适应选择下保持了理论一致性。
3. 实践可行性：提出的随机投影近似算法解决了计算瓶颈，使得 RPD 能够应用于实际的大规模函数型数据集。
4. 参数指导：论文明确了正则化参数 $u$ 的选择策略：
   • 异常检测/分类/假设检验：选择较小的 $u$（如 0.001），以最大化对形状差异的敏感性。
   • 稳健估计：选择较大的 $u$（如 0.1 或 0.5），以增强对离群点的抵抗力。

综上所述，RPD 为函数型数据分析提供了一种兼顾理论严谨性、计算可行性和形状特征捕捉能力的解决方案，显著提升了相关统计任务的性能。