자동화된 지속성 기반 클러스터링 알고리즘 AuToMATo

초록

AuToMATo는 기존 ToMATo 클러스터링에 병목거리 부트스트랩을 결합해, 지속성 다이어그램에서 유의미한 피크를 자동으로 구분하고 τ 임계값을 자동 설정하는 알고리즘이다. 기본 파라미터만으로도 다양한 데이터셋과 Mapper와 같은 토폴로지 데이터 분석 파이프라인에서 뛰어난 성능을 보이며, 파라미터 튜닝 없이 바로 사용할 수 있다.

상세 분석

본 논문은 지속성 동형론(persistent homology)을 기반으로 한 클러스터링 기법인 ToMATo를 확장해, 인간이 직접 지속성 다이어그램을 해석해 임계값 τ를 선택하는 과정을 자동화한다는 점에서 혁신적이다. 핵심 아이디어는 병목거리(bottleneck) 부트스트랩을 이용해, 원본 데이터에서 추정된 지속성 다이어그램(b D)과 부트스트랩 샘플들의 다이어그램(b D₁…b Dᴮ) 사이의 병목거리를 통계적으로 추정함으로써, 신뢰수준 α에 대응하는 qα 값을 구하고, 이를 통해 τ = 2·bqα/√n 으로 설정한다. 이 과정은 n이 커질수록 일관성을 보장하며, 비정상적인 피크(노이즈)를 자연스럽게 제거한다.

알고리즘은 크게 세 단계로 구성된다. 첫째, k‑nearest neighbor 혹은 δ‑Rips 그래프와 선택된 밀도 추정기(Truncated Gaussian Kernel 또는 Distance‑to‑Measure)를 사용해 데이터의 밀도 함수 ˆf를 추정한다. 둘째, 각 점을 가장 높은 밀도 이웃으로 연결해 방향성 포레스트를 형성하고, 이를 통해 초기 클러스터(피크)와 연결 구조를 만든다. 셋째, 위에서 설명한 부트스트랩 절차로 τ를 자동 결정하고, τ 이하의 피크를 부모 클러스터에 병합한다.

실험에서는 AuToMATo를 기본 파라미터(α=0.05, B=200 등)만 사용해 다양한 벤치마크와 최신 클러스터링 기법(DBSCAN, HDBSCAN, Spectral Clustering 등)과 비교하였다. 결과는 파라미터‑프리 알고리즘뿐 아니라 최적 파라미터를 튜닝한 유사 알고리즘보다도 전반적으로 높은 ARI와 NMI 점수를 기록했다. 특히 Mapper 파이프라인에 적용했을 때, 클러스터링 단계에서 파라미터 민감도가 높은 DBSCAN과 달리 안정적인 토폴로지 구조를 유지함을 보였다.

또한 구현 측면에서 AuToMATo는 scikit‑learn 인터페이스와 호환되는 파이썬 패키지로 제공되어, 기존 머신러닝 워크플로우에 손쉽게 통합할 수 있다. 코드베이스는 모듈화되어 그래프 구축, 밀도 추정, 부트스트랩 등 각 단계별 교체가 가능하도록 설계되었으며, GPU 가속 옵션도 지원한다.

이러한 설계는 토폴로지 데이터 분석, 특히 Mapper와 같은 고차원 데이터 시각화 도구에서 파라미터 튜닝 비용을 크게 감소시키고, 재현 가능한 분석 파이프라인 구축에 기여한다. 다만, 부트스트랩 반복 횟수 B가 클수록 계산 비용이 급증한다는 점과, 매우 고차원(수천 차원) 데이터에서는 k‑NN 그래프 구축이 메모리·시간 측면에서 제한될 수 있다는 한계도 언급한다. 향후 연구에서는 근사 k‑NN, 샘플링 기반 부트스트랩, 그리고 다른 밀도 추정기와의 결합을 통해 확장성을 높일 여지가 있다.