이산 데이터 투영 탐색: 새로운 시각화와 구조 발견

본 논문은 이산 데이터에 대한 투영 탐색(projection pursuit) 방법론을 체계적으로 구축한다. 전통적인 투영 탐색은 연속형 데이터에서 저차원 투영을 통해 구조를 시각화하고, ‘비정상적’인 투영을 찾아내는 기법으로, 주로 Gaussian성에서 벗어나는 투영을 흥미로운 것으로 간주한다. 저자들은 이러한 개념을 이산 공간, 즉 이진 벡터, 순열, 계통수(phylogenetic tree), 그래프 등으로 확장한다. 핵심 도구는 이산 라돈 변환이다. 라돈 변환은 집합 \(Y\) (투영 베이스)의 각 원소 \(y\) 에 대해 함수 \(f\) 의 합 \(\bar f(y)=\sum_{x\in y}f(x)\) 을 정의한다. 여기서 \(Y\) 는 ‘블록 디자인’이라 불리는 조합적 구조를 만족해야 하는데, 이는 모든 블록이 같은 크기\(c\)를 가지고, 각 원소가 정확히 \(k\) 개의 블록에, 각 쌍이 \(l\) 개의 블록에 포함되는 균형성을 의미한다. 이러한 조건 하에 라돈 변환은 일대일이며, 명시적인 역변환 식(정리 2.2)으로 원래 함수 \(f\) 를 복원할 수 있다. 연구는 먼저 이산 공간 \(X\) 에 대한 구체적인 투영 베이스를 정의한다. 1. \(X=\mathbb Z_2^k\) (이진 k‑튜플)에서는 - 좌표별 마진 투영 \(y_i^0, y_i^1\) (각 좌표가 0 혹은 1인 집합) - 2차 마진 \(y_{ij}^{ab}\) (두 좌표가 (a,b)인 집합) - 일반적인 affine hyperplane \(y_{a}^{z}=\{x:x\cdot z=a\pmod2\}\) 를 사용한다. 이들은 모두 블록 디자인을 이루며, 라돈 변환의 역변환이 가능하다. 2. \(X=S_n\) (순열군)에서는 - 위치‑값 마진 \(y_{i}^{j}=\{\pi:\pi(i)=j\}\) - 두 위치 동시 마진 \(y_{ij}^{kl}=\{\pi:\pi(i)=k,\pi(j)=l\}\) - Young subgroup에 기반한 고차 마진(예: \(S_{\lambda_1}\times\cdots\times S_{\lambda_m}\) 에 의한 블록) 등을 정의한다. 특히 Young subgroup에 의한 블록은 푸리에 변환과 동등한 정보를 제공한다는 점에서 중요하다. 다음으로 저자들은 “대부분의 투영은 거의 균등한다”는 정리를 증명한다(섹션 4). 여기서 균등이란 각 블록에 할당된 확률 질량이 거의 동일함을 의미한다. 따라서 데이터에 대한 유의미한 구조는 균등에서 크게 벗어나는 투영에 내재한다. 이를 정량화하기 위해 총 변동(total variation), Hellinger 거리, Wasserstein 거리 등 다양한 확률 거리 척도를 도입한다. 특히 총 변동은 \(\|\bar f - u\|_{TV}\) 형태로, \(u\)는 균등 분포를 나타낸다. 알고리즘적 구현은 모든 가능한 투영을 전수 탐색하는 것이 비현실적이므로, 거리 지표를 최적화하는 탐색 전략을 제시한다. 저자는 그리디 탐색, 시뮬레이티드 어닐링, 혹은 라돈 변환의 푸리에 해석을 이용한 빠른 계산을 제안한다. 부록에 상세한 의사코드와 복잡도 분석이 포함되어 있다. 실제 적용 사례로 플라톤 작품의 음절 패턴을 분석한다. 각 문장은 마지막 다섯 음절을 이진(‘짧음 = 1’, ‘길음 = 0’)으로 코딩해 5‑튜플로 변환한다. 전체 3778개의 문장을 표본으로 하여, 마진 투영을 통해 각 위치의 ‘짧음’ 비율을 구하고, 2차 마진을 통해 두 위치 조합의 패턴 빈도를 조사한다. 결과는 대부분의 마진이 거의 균등(≈0.5)하지만, 특정 두 위치 조합에서는 ‘짧‑짧’ 패턴이 현저히 과잉(≈0.8)하거나 ‘길‑길’ 패턴이 결핍(≈0.2)되는 비균등성을 보인다. 이러한 비균등 투영은 플라톤 작품의 연대 추정에 기존 연구와 다른 새로운 단서를 제공한다. 특히, 저자들은 가장 비균등한 투영을 자동으로 탐지하는 절차를 구현했으며, 이는 기존의 통계적 연대 추정 방법(예: Ahn et al., Cox & Brandwood 등)보다 해석이 직관적이고 시각적으로 명확하다. 논문의 마지막 부분에서는 “가장 균등에 가까운 투영”에 대한 이론적 결과를 제시한다(정리 5.1). 투영 베이스가 너무 제한적이면(예: \(\mathbb Z^k\) 의 affine hyperplane) 가장 균등에 가까운 투영조차도 거의 균등하게 된다. 반대로 베이스가 충분히 풍부하면(예: 모든 affine hyperplane) 최소 균등 투영은 구조적 의미를 갖는다. 이는 데이터에 ‘노이즈’와 ‘구조’를 구분하는 이론적 근거를 제공한다. 전체적으로, 이 논문은 이산 데이터에 대한 투영 탐색을 수학적으로 엄밀히 정의하고, 균등성에서 벗어나는 투영을 정보량의 지표로 삼는 새로운 패러다임을 제시한다. 라돈 변환과 블록 디자인 이론을 결합한 역변환 공식, 다양한 거리 척도, 그리고 실제 데이터에 대한 적용 사례가 조화를 이루어, 통계학, 컴퓨터 과학, 생물정보학 등 이산 구조 데이터를 다루는 분야에 직접적인 활용 가능성을 열어준다.