분포의 상호배제적 클러스터링을 위한 분포 결정적 점 과정
Distributional Determinantal Point Process for Repulsive Clustering of Distributions
우리는 분포 결정적 점 과정(distributional determinantal point process, dDPP)을 새로운 상호배제적 점 과정으로 소개한다. 이 과정의 원자(atom)는 실수 공간의 점이 아니라 확률분포이다. dDPP는 분포 간 슬라이스드 Wasserstein(sliced Wasserstein, SW) 커널을 갖는 L-앙상블을 통해 구성된다. 우리는 이것이 잘 정의된 점 과정으로서의 타당성을 보인다. 이산 설정에서, 분포 원자로부터의 i.i.d. 표본이 주어졌을 때 L-앙상블, 상관 커널, 및 그 행렬식에 대한 플러그인 추정량의 집중(concentration) 결과를 유도한다. 이 프레임워크를 활용하여, 상호배제적 일반화 베이지안 혼합 모델을 통해 분포값 무작위 분할 모델을 제안한다. 이 모델은 혼합 측도(mixing measure)의 원자에 dDPP 사전분포를 두고 SW 거리에 기반한 일반화 가능도를 정의한다. 사후 추론을 요약하기 위해, 계층적 최적 수송(optimal transport) 효용 함수 하에서 베이즈 규칙에 따른 혼합 측도의 점 추정치를 보고하는 의사결정 이론적 접근법을 개발한다. 혼합 측도 자체가 분포들 위의 분포이므로, 후자는 자연스러운 선택이다. 우리는 제안한 프레임워크를 단일세포 유전자 발현 데이터와 인간 간질 데이터에 대한 추론에 사용하여, 데이터의 의미 있는 구조를 반영하는 해석 가능하고 잘 분리된 클러스터를 생성한다.