scikit-tda/ripser.py

Ripser.py는 무엇인가요?

Ripser.py는 빠른 C++ 라이브러리 Ripser의 Python 래퍼로, 위상적 데이터 분석 (TDA)의 핵심 방법인 지속 호모로지(persistent homology)를 계산하기 위한 가볍고 사용하기 쉬운 툴킷을 제공합니다. 점군, 거리 행렬, 또는 이미지를 지속 다이어그램(persistence diagrams)으로 변환할 수 있으며, 다양한 기계학습 파이프라인에서 유용한 다중 척도의 형태 정보를 포착합니다.

주요 기능

기능	설명
지속 코호모로지	희소 또는 밀집 데이터에 대해 비에트리스-리퍼스(또는 로우스타르) 필터링을 계산하고 탄생/소멸 쌍을 반환합니다.
다이어그램 시각화	`persim` 패키지를 통해 간단한 `plot_diagrams` 헬퍼로 지속 다이어그램을 그립니다.
이미지 필터링	그레이스케일 이미지에서 직접 로우스타르 필터링을 생성합니다.
대표 코체인 추출	다이어그램에 표시된 호모로지 클래스를 실현하는 구체적인 코체인을 추출합니다.
scikit-learn 호환 API	파이프라인에 쉽게 통합할 수 있는 `Rips` 변환기(`fit_transform` / `plot`)를 제공합니다.

설치

# PyPI에서 (Windows, macOS, Linux용 사전 빌드된 웨일)
pip install ripser

소스에서 빌드가 필요할 경우 (예: 코드를 수정하고 싶을 때) 리포지토리를 클론하고 pip install . 또는 편집 가능한 설치를 위해 pip install -e .을 실행하세요. 필수 종속성은 Cython, numpy, scipy, scikit-learn, persim입니다. Windows에서는 MinGW가 필요할 수 있으며, macOS에서는 Xcode 명령줄 도구가 최신인지 확인하세요.

선택적 성능 향상: robin-hood-hashing 리포지토리를 프로젝트 루트에 복제하면 더 빠른 해시맵 구현이 가능해져 최대 약 30%의 속도 향상이 가능합니다.

빠른 예제

import numpy as np
from ripser import ripser, Rips
from persim import plot_diagrams

# 2차원 랜덤 점군
X = np.random.random((100, 2))

# 함수형 API
dgms = ripser(X)['dgms']
plot_diagrams(dgms, show=True)

# scikit-learn 스타일
rips = Rips()
dgms2 = rips.fit_transform(X)
rips.plot(dgms2)

위 코드는 스케일에 따라 토폴로지적 특징의 수명을 보여주는 지속 다이어그램을 생성합니다 (README 이미지 참조).

문서 및 자료

전체 문서: https://ripser.scikit-tda.org
JOSS 논문 (인용 가능): DOI 10.21105/joss.00925
관련 프로젝트: 원본 C++ 라이브러리 Ripser, GPU 가속 버전 Ripser++.

라이선스 및 인용

라이선스: MIT (Python 래퍼 및 하위 C++ 코드 모두).
연구에서 이 라이브러리를 사용할 경우, JOSS 논문과 원본 Ripser 논문을 모두 인용하세요 (README에 BibTeX 항목이 제공됨).

누구에게 적합한가요?

점군, 시계열, 또는 이미지에 TDA를 적용하는 데이터 과학자.
분류, 군집화, 이상 탐지용 특징을 개발하는 연구자.
C++ 컴파일 문제 없이 빠르고 순수한 Python 인터페이스가 필요한 사람.