고차원 데이터의 속 빈 공간 탐지를 위한 슬라이스 투어

본 논문은 고차원 데이터 분석에서 흔히 사용되는 투영 기반 시각화(예: grand tour)의 한계를 보완하고자, 투영 평면에 직교하는 고차원 공간을 슬라이스하는 새로운 동적 시각화 기법, 즉 “슬라이스 투어(slice tour)”를 제안한다. 고차원 데이터는 차원 축소 없이 직접 관찰하기 어려우며, 특히 내부가 비어 있거나(속 빈 구조) 작은 규모의 비선형 패턴이 존재할 경우 투영만으로는 이러한 특성을 감지하기 힘들다. 기존 연구에서는 1994년 Furnas와 Buja가 제시한 직교 슬라이스 개념을 언급했지만, 실제 구현이 부족했다. 저자들은 이를 현대적인 인터랙티브 시각화 환경에 맞게 재구성하고, R 패키지 **tourr**에 통합함으로써 실용성을 크게 높였다. ### 1. 이론적 배경 및 수식 투어는 p‑차원 데이터 행렬 X (n×p)와 직교 투영 행렬 A (p×d, 보통 d=2)를 이용해 Y = X·A 로 2‑차원 투영을 만든다. 슬라이스 투어는 이 투영 평면에 대해 직교 거리 ‖x₀ᵢ‖₂ 를 계산한다. 여기서 x₀ᵢ = xᵢ – (xᵢ·a₁)a₁ – (xᵢ·a₂)a₂ 로 정의되며, 이는 관측치 xᵢ를 투영 평면에 정사영한 뒤 남은 직교 성분이다. 이 거리값이 사전에 정한 임계값 h 이하인 경우 해당 점을 “슬라이스 내부”로 간주하고, 시각적으로 강조한다. 슬라이스 두께 h는 차원 p와 사용자가 지정한 부피 파라미터 ε에 의해 자동 결정된다. 고차원 구가 균일히 분포한다는 가정 하에, 슬라이스가 차지하는 상대 부피 V_rel ≈ ½ (h/R)^{p‑2} 로 근사한다. ε = V_rel 로 두고 역산하면 h = ε^{1/(p‑2)} 가 된다. 따라서 차원이 커질수록 동일한 ε에 대해 h가 커지며, 이는 “슬라이스가 점점 두꺼워진다”는 의미다. 이 방식은 데이터 차원에 따라 슬라이스 두께를 자동 보정해 주어, 사용자가 매번 파라미터를 조정할 필요를 크게 줄인다. 또한, 슬라이스 중심을 데이터 평균이 아닌 임의의 점 c 로 이동시킬 수 있다. 이를 위해 c₀ = c – (c·a₁)a₁ – (c·a₂)a₂ 로 정의하고, 거리 식을 ‖x₀ᵢ – c₀‖₂ 로 일반화한다. 이는 비대칭적인 구멍이나 오프‑센터 구조를 탐색할 때 유용하다. ### 2. 구현 및 사용법 R 패키지 **tourr**에 `display_slice` 함수가 추가되었다. 주요 파라미터는 다음과 같다. - `eps` : 슬라이스 부피 파라미터 ε (기본값 0.1). - `anchor` : 슬라이스 중심 c (NULL이면 데이터 평균). - `pch_slice` / `pch_other` : 슬라이스 내부·외부 점의 마커 형태. 예시 코드에서는 `geozoo::sphere.hollow(3)` 로 3‑D 중공 구 데이터를 생성하고, `animate_slice(sphere3)` 로 기본 슬라이스 투어를 실행한다. 중심을 이동시키고 슬라이스 두께를 조정하는 예시도 제공한다. ### 3. 실험 및 사례 연구 #### 3.1 인공 기하학적 형태 - **3‑D·5‑D 중공 구**: 슬라이스를 통해 내부가 비어 있음을 명확히 구분. 5‑D에서는 슬라이스 두께가 커져 해상도가 다소 낮아지는 점을 확인. - **Roman surface, 4‑D torus, 6‑D 큐브**: 다양한 차원의 복합 형태를 슬라이스 투어로 시각화, 각 형태의 특성(예: 토러스의 구멍, 큐브의 직육면체 구조) 을 직관적으로 파악 가능. #### 3.2 실제 데이터 - **‘바늘‑건초더미’(5‑D) 데이터**: 매우 얇은 슬라이스(ε=0.0005)를 적용해 중앙에 숨겨진 “EUREKA”라는 단어 형태를 발견. 이는 전통적인 투영만으로는 절대 드러나지 않았던 패턴이다. - **와인 데이터에 대한 SVM 경계 시각화**: 3‑차원 방사형 기저 SVM에서는 슬라이스가 구형 경계를 드러냈고, 5‑차원 다항식 기저 SVM에서는 투영만으로는 거의 선형으로 보였던 경계가 슬라이스를 통해 중심부에서 비선형임을 확인. ### 4. 논의 및 한계 슬라이스 투어는 고차원 데이터의 숨겨진 구조를 탐지하는 강력한 도구이지만, 몇 가지 제한점이 있다. 1. **샘플 수 의존성**: 차원이 높아질수록 슬라이스 부피가 급격히 감소하므로, 충분히 많은 관측치가 필요하다. 샘플이 부족하면 슬라이스 내부 점이 희박해 시각적 신호가 약해진다. 2. **시각적 복잡성**: 대규모 데이터셋에서는 프레임당 그리기 비용이 커져 애니메이션이 느려질 수 있다. 현재 구현은 점을 두 종류만 구분해 표시하므로, 복수의 슬라이스 혹은 다중 색상 구분이 필요할 경우 추가 기능이 요구된다. 3. **슬라이스 형태 제한**: 현재는 직교 거리 기반의 구형 슬라이스만 제공한다. 사용자가 특정 방향이나 비구형(예: 타원형) 슬라이스를 정의하려면 새로운 파라미터와 계산식이 필요하다. ### 5. 향후 연구 방향 - **가이드 투어와 결합**: 슬라이스를 투어의 “흥미도” 지표와 연계해, 자동으로 중요한 구조가 드러나는 투영을 우선 탐색하도록 할 수 있다. - **다중 슬라이스 및 다중 색상**: 동시에 여러 슬라이스를 겹쳐 표시하거나, 슬라이스 내부 점을 밀도에 따라 색상/크기로 변형해 정보량을 늘릴 수 있다. - **비선형 차원 축소와 연계**: t‑SNE, UMAP 등 비선형 축소 결과에 슬라이스를 적용해, 고차원 비선형 구조를 더 명확히 파악하는 방안을 모색한다. - **인터랙티브 UI 개선**: 슬라이스 두께, 중심, 부피 파라미터를 실시간으로 조정할 수 있는 GUI를 제공해, 사용자가 탐색 과정에서 즉각적인 피드백을 받을 수 있게 한다. 결론적으로, 슬라이스 투어는 고차원 데이터 시각화 도구 상자에 새로운 차원을 추가하는 혁신적인 방법이며, 특히 중공 구조, 숨겨진 비선형 경계, 작은 규모의 패턴 등을 탐지하는 데 큰 잠재력을 가지고 있다.