持續條碼(persistence barcode)
當你看著拓樸特徵在一個資料集被掃過所有尺度時出現又消失,你會想要整個故事的一張精簡圖。持續條碼正是那張圖:一疊水平線段,每個拓樸特徵一條,畫在尺度軸上。每根長條從其特徵誕生處起、到死亡處止,所以一眼就能看出哪些特徵長壽(真結構)、哪些只是一閃(雜訊)。持續圖是同樣的資訊,改以點而非長條來畫。
具體地說,在一個過濾上跑完持續同調後,k 次的每個同調類給出一個區間 [b, d),其中 b 是誕生尺度、d 是死亡尺度(對永不死亡的特徵可能為 +無窮)。k 次的條碼是所有這些區間畫成水平長條的多重集;等價的持續圖把每個畫成對角線 y = x 上方平面中的一點 (b, d),到對角線的距離等於壽命 d - b。持續模的結構定理保證這種分解成區間的方式唯一,所以條碼是持續模的完全不變量——它不損失任何東西。要比較兩個條碼,你用瓶頸距離(使兩圖的點能在 epsilon 內匹配的最小 epsilon,允許未匹配的點與對角線配對)或 Wasserstein 距離。
條碼之所以重要,是因為它把一個連續、依賴尺度的拓樸訊號,變成一個有限、可比較的摘要,可餵給統計或機器學習——像持續地景與持續影像這類向量化使它們可作為特徵使用。誠實點:條碼記錄壽命,而非位置,所以兩個迥異的形狀可能共享一個條碼;圖中一個偏離對角線的點可能對應一個沒有典範幾何代表的類;而靠近對角線的長條正是穩定性定理所承諾在資料小擾動下只會移動一點點的雜訊——這正是你通常讀長條、捨短條的原因,但「短」是你必須證成的閾值,而非定律。
對那個有雜訊的圓,H_1 條碼顯示一根長條加上幾根短條;在持續圖中那根長條是遠在對角線上方的單一點,而雜訊則擠在貼著對角線的一團裡。到乾淨圓之條碼的瓶頸距離很小,證明在要緊的尺度上,這個帶雜訊的樣本在拓樸上「是一個圓」。
長條遠離對角線(真特徵);雜訊聚在它附近。
條碼是持續模的完全不變量,卻不是底層空間的完全不變量:它記錄特徵何時生死,絕不記錄它們在哪,所以不同的幾何可能產生相同的條碼。把短條當雜訊是一個帶閾值的建模選擇,那閾值你必須證成,而非定理。