从持续同调图到特征向量：Python实战五大矢量化方法

打开你的项目文件夹，是不是躺着几十个.json或.csv文件，里面保存着用GUDHI或Ripser生成的持续同调图（PD）？这些包含拓扑特征的"点云"就像未切割的钻石原石——价值连城却无法直接镶嵌。本文将带你用Python将这些抽象拓扑特征转化为机器学习模型能"消化"的特征向量，解决从理论到实践的最后一公里问题。

1. 环境准备与数据加载

1.1 工具链配置

在开始前，我们需要搭建一个高效的Python工作环境。推荐使用conda创建独立环境以避免依赖冲突：

bash复制conda create -n tda python=3.9
conda activate tda
pip install giotto-tda persim scikit-learn matplotlib numpy

对于需要处理大型数据集的用户，建议额外安装dask进行并行计算：

python复制import dask.array as da
from dask.distributed import Client
client = Client(n_workers=4)  # 根据CPU核心数调整

1.2 加载PD数据

持续同调图通常以(birth, death)坐标对的形式存储。以下是加载和预处理PD数据的通用方法：

python复制import numpy as np

def load_pd(file_path, dim=0):
    """加载指定维度的持续同调图"""
    data = np.loadtxt(file_path)
    return data[data[:, 2] == dim][:, :2]  # 筛选指定维度，取(birth, death)列

# 示例：加载0维PD图
pd_0 = load_pd('persistence_diagram.csv', dim=0)
print(f"加载到{pd_0.shape[0]}个拓扑特征点")

常见问题处理：

• 无限持久性特征（death=∞）：建议用数据集中最大death值的1.5倍替代
• 空PD图：添加虚拟点(0,0)避免后续计算报错
• 非对角线点过滤：移除birth ≥ death的无效点

2. 五大矢量化方法实战

2.1 持续性图像（PI）——卷积神经网络友好型

持续性图像将PD转化为二维密度图，非常适合作为CNN的输入。使用giotto-tda实现：

python复制from gtda.images import PersistenceImage
from gtda.plotting import plot_heatmap

# 参数配置
pi_transformer = PersistenceImage(
    bandwidth=0.1,          # 高斯核带宽
    resolution=[20, 20],    # 图像分辨率
    im_range=[0, 1, 0, 1]   # 坐标范围[xmin, xmax, ymin, ymax]
)

# 转换并可视化
pi = pi_transformer.fit_transform([pd_0])
plot_heatmap(pi[0], colorscale='viridis')

参数调优指南：