我最近遇到了“拓扑数据分析”（TDA），它是一种可视化大型数据集的独特方式。这是斯坦福大学的一篇论文，结尾是示例输出。
我想产生类似的结果，但在安装包、加载示例数据、然后执行几行（如https://research.math.osu.edu/tgda/mapperPBG.pdf示例）的网络上，很难找到可运行的代码。我的语言偏好是python，但也可以使用r。
有没有人能够通过TDA获得牵引力，如果有，有没有关于如何启动和运行代码的建议？
最佳答案
有一个新的R包：
TDA: Statistical Tools for Topological Data Analysis
这个包提供了用于持久同源性统计分析和密度聚类的工具。
写得很好的小插曲可以在这里找到：Introduction to the R package TDA
摘要
我们提供了一个简短的教程和使用R包的介绍
TDA为拓扑数据分析提供了一些工具。在
特别是，它包括一些函数的实现，
数据，提供有关底层空间的拓扑信息，例如
作为距离函数，测量距离，knn密度
估计量、核密度估计量和核距离。这个
子级集（或超级集）的显著拓扑特征
这些函数中的一个可以用持久的同源性来量化。我们
为C++的高效算法提供R接口
图书馆Gudhi、Dionysus和Phat，包括
持久同源的RIPS过滤，和一个持久的
任意函数的子级集（或超级集）的同调性
在网格点上计算。特征的意义
产生的持久性图可以用以下函数进行分析：
实施Fasy、Lecci、Rinaldo、Wasserman中讨论的方法，
Balakrishnan和Singh（2014年）、Chazal、Fasy、Lecci、Rinaldo和
Wasserman（2014c）和Chazal、Fasy、Lecci、Michel、Rinaldo和
瓦瑟曼（2014a）。R包TDA还包括实现
一种密度聚类算法，它允许我们识别
概率质量的空间组织与
密度函数，并通过树形图将其可视化，
簇树。