拓扑数据分析在机器学习中的应用

作者：曾凤
责任编辑：周建丁（zhoujd@csdn.net）
本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅2016年《程序员》http://dingyue.programmer.com.cn

机器学习（ML）算法涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。而“拓扑数据分析”作为机器学习的一种形式，已经开始被广泛应用。本文简要介绍“拓扑数据分析”在机器学习中的应用以及优势。

什么是拓扑学？

拓扑学是一种几何学，但它研究的并不是大家所熟悉的普通几何性质，而是一类特殊的几何性质，这就是“拓扑性质”，即图形在整体结构上的特性。它与几何图形的大小、形状以及所含线段的曲直等无关。不过，最近拓扑学开始和数据分析相结合，用来发现大数据中的一些隐形的有价值的关系，我们将其称为“拓扑数据分析”（Topological Data Analysis，简称TDA）。

拓扑学中有一个著名的定理Euler多面体定理。这个定理非常简单：对于任意的一个凸多面体，它的面数为f，棱数为l，顶点数为v，那么其必然满足下面的等式：

f-l+v=2

也就是说顶点数与面数之和比棱数多2。

2这个数字，是第一个拓扑数，它标记拓扑等价于球面的几何体。所谓拓扑等价，指的是如果两个几何体可以通过连续拉伸、扭曲、旋转等操作变换到对方（如图1），这些操作不能是粘合、撕裂，那么这两个几何体称作是拓扑等价的。因此，也有人形象地将拓扑学称为橡皮几何学，因为它研究的性质在图形做弹性形变时是不会改变的。