다차원 데이터 구조 생성 도구 cardinalR

초록

cardinalR 패키지는 다양한 기하학적 형태와 잡음 옵션을 결합해 고차원 합성 데이터를 손쉽게 생성한다. 사용자는 클러스터 수, 차원, 스케일, 회전, 위치 등을 자유롭게 지정할 수 있으며, 다중 클러스터와 배경 잡음을 포함한 복합 데이터셋을 한 번에 만들 수 있다. Shape‑generator 함수군(구, 원뿔, 가지 구조 등)과 gen_multicluster() 라는 통합 인터페이스를 제공해 비선형 차원 축소, 클러스터링, 시각화 알고리즘의 벤치마크에 적합한 데이터 생성이 가능하다.

상세 분석

본 논문은 고차원 데이터 시뮬레이션을 위한 R 패키지 cardinalR의 설계와 구현을 상세히 기술한다. 핵심 기능은 개별 기하학적 shape‑generator를 모듈화하고, 이를 gen_multicluster() 함수에서 조합해 다중 클러스터 데이터셋을 자동으로 구성하는 점이다. 사용자는 각 클러스터마다 점 수(n), 차원(p), 스케일(scale), 회전(rotation), 위치(loc) 등을 독립적으로 지정할 수 있으며, 차원이 서로 다른 클러스터가 존재할 경우 낮은 차원의 클러스터에 가우시안 잡음 차원을 추가해 전체 데이터의 차원을 일치시킨다. 배경 잡음(is_bkg) 옵션은 전체 평균을 중심으로 하는 다변량 정규분포를 통해 전역적인 노이즈 레이어를 삽입한다.

shape‑generator는 구, 원뿔, 입방체, 그리드, 스위스롤, 트레포일, 가지(branch) 등 30여 종을 제공한다. 특히 가지 구조는 2‑D 선형·곡선·지수형부터 p‑차원으로 확장된 orglinear, orgcurvy 형태까지 지원해 생물학적 세포 분화 경로와 같은 복합 패턴을 재현한다. 원뿔 생성은 높이와 비율 파라미터를 통해 정점 밀도를 조절할 수 있으며, 높이값을 지수분포에서 추출해 실제 물리적 현상을 모사한다.

패키지는 CRAN 배포와 GitHub 오픈소스를 통해 접근성을 높였으며, 함수 인자 전달 방식을 통일해 서로 다른 shape‑generator가 요구하는 파라미터 집합을 자동으로 매핑한다. 이는 사용자가 클러스터별로 서로 다른 파라미터를 지정하면서도 일관된 데이터프레임을 얻을 수 있게 한다. 또한, 고차원 데이터 시각화에 투어(tour) 기법을 권장하고, langevitour 패키지와 연계한 인터랙티브 예시를 제공한다.

비교 대상인 geozoo, snedata, splatter, mlbench, surreal와 달리 cardinalR은 (i) 다중 형태 결합, (ii) 차원별 잡음 보강, (iii) 배경 잡음 삽입을 하나의 워크플로우로 제공한다는 점에서 차별화된다. 다만 현재 구현은 정규분포 기반 잡음에 국한돼 비정규 잡음이나 구조적 결함(예: 결측, 이상치) 시뮬레이션은 별도 확장이 필요하다. 또한, 고차원에서 회전 행렬을 직접 지정해야 하는 점은 사용자에게 추가 부담을 줄 수 있다. 향후 자동 회전 생성, 비정규 잡음 모델, 그리고 GPU 기반 대규모 샘플링 지원이 추가된다면 실용성이 더욱 확대될 것이다.