ডেটা মাইনিং-এ ক্লাস্টারের প্রকারভেদ কী?

ক্লাস্টার অ্যানালাইসিস বিভিন্ন মেজারমেন্টের ওপর ভিত্তি করে একই রেকর্ডের গ্রুপ বা ক্লাস্টার গঠনে ব্যবহৃত হয়। এটি বিশ্লেষণের উদ্দেশ্যের জন্য উপকারীভাবে ক্লাস্টার সংজ্ঞায়িত করতে পারে। এই ডেটা জ্যোতির্বিজ্ঞান, পুরাতত্ত্ব, চিকিৎসা, রসায়ন, শিক্ষা, মনোবিজ্ঞান, ভাষাবিজ্ঞান এবং সমাজবিজ্ঞানে ব্যবহার করা হয়েছে।

ক্লাস্টারের বিভিন্ন প্রকার আছে:

ওয়েল-সেপারেটেড (Well-Separated)

একটি ক্লাস্টার হলো অবজেক্টের একটি গ্রুপ যেখানে প্রতিটি এলিমেন্ট ক্লাস্টারের অন্য সব এলিমেন্টের চেয়ে নিকটতম, ক্লাস্টারের বাইরের যেকোনো অবজেক্টের চেয়ে। কখনও কখনও একটি থ্রেশহোল্ড নির্ধারণ করে যে ক্লাস্টারের সব অবজেক্ট একে অপরের সাথে পর্যাপ্ত নিকটতম (বা সিমিলার) থাকতে হবে। এই ক্লাস্টার ডেফিনিশন তখনই প্রয়োজন হয় যখন ডেটা প্রাকৃতিক ক্লাস্টার ধারণ করে যেগুলো একে অপরের থেকে সম্পূর্ণ দূরে।

প্রোটোটাইপ-ভিত্তিক (Prototype-Based)

একটি ক্লাস্টার হলো অবজেক্টের একটি গ্রুপ যেখানে প্রতিটি অবজেক্ট ক্লাস্টারকে প্রতিনিধিত্বকারী প্রোটোটাইপের চেয়ে নিকটতম, অন্য কোনো ক্লাস্টারের প্রোটোটাইপের চেয়ে। কন্টিনিউয়াস অ্যাট্রিবিউটযুক্ত ডেটার জন্য, একটি ক্লাস্টারের প্রোটোটাইপ হলো সেন্ট্রয়েড যেন ক্লাস্টারের সব পয়েন্টের গড় (মিন)। যখন সেন্ট্রয়েড অপ্রাসঙ্গিক, যেমন ক্যাটেগরিক্যাল অ্যাট্রিবিউটযুক্ত রেকর্ডের জন্য, প্রোটোটাইপ হলো মেডয়েড যেন ক্লাস্টারটির সবচেয়ে প্রতিনিধিত্বমূলক পয়েন্ট।

গ্রাফ-ভিত্তিক (Graph-Based)

যদি ডেটা একটি গ্রাফ হিসেবে রিপ্রেজেন্ট করা হয়, যেখানে নোডগুলো অবজেক্ট এবং লিংকগুলো অবজেক্টের মধ্যে সংযোগ নির্দেশ করে, তবে একটি ক্লাস্টারকে একটি কানেক্টেড কম্পোনেন্ট হিসেবে রিপ্রেজেন্ট করা যায়; অর্থাৎ, অবজেক্টের একটি সেট যেগুলো একে অপরের সাথে লিংকড কিন্তু গ্রুপের বাইরের অবজেক্টের সাথে কোনো সংযোগ নেই।

গ্রাফ-ভিত্তিক ক্লাস্টারের গুরুত্বপূর্ণ উদাহরণ হলো কন্টিগুইটি-ভিত্তিক ক্লাস্টার, যেখানে দুটি অবজেক্ট শুধু তখন লিংকড থাকে যখন সেগুলো একে অপরের একটি নির্দিষ্ট ডিস্ট্যান্সের ভিতরে থাকে। এটিই বোঝায় যে কন্টিগুইটি-ভিত্তিক ক্লাস্টারের প্রতিটি অবজেক্ট ক্লাস্টারের অন্যান্য অবজেক্টের চেয়ে নিকটতম, অন্য কোনো ক্লাস্টারের পয়েন্টের চেয়ে।

ডেন্সিটি-ভিত্তিক পদ্ধতি (Density-based Methods)

কিছু পার্টিশনিং টেকনিক অবজেক্টের মধ্যে ডিস্ট্যান্সের ওপর ভিত্তি করে অবজেক্ট ক্লাস্টার করে। takie পদ্ধতিগুলো শুধু গোলাকার ক্লাস্টার আবিষ্কার করতে পারে এবং proizволь আকারের ক্লাস্টার আবিষ্কার করতে অসুবিধা অনুভব করে। ডেন্সিটি কনসেপ্টের ওপর ভিত্তি করে একাধিক ক্লাস্টারিং পদ্ধতি উন্নত করা হয়েছে।

DBSCAN একটি জনপ্রিয় ডেন্সিটি-ভিত্তিক পদ্ধতি যা ডেন্সিটি থ্রেশহোল্ড অনুযায়ী ক্লাস্টার বৃদ্ধি করে। OPTICS একটি ডেন্সিটি-ভিত্তিক পদ্ধতি যা অটোমেটিক এবং পারস্পরিক ক্লাস্টার অ্যানালাইসিসের জন্য একটি অগমেন্টেড ক্লাস্টারিং অর্ডারিং কম্পিউট করে।

গ্রিড-ভিত্তিক পদ্ধতি (Grid-based Methods)

গ্রিড-ভিত্তিক পদ্ধতিতে অবজেক্ট স্পেস কোয়ান্টাইজ করা হয় একাধিক সেলে যেগুলো একটি গ্রিড কাঠামো গঠন করে। ক্লাস্টারিং অপারেশনগুলো গ্রিড কাঠামোর ওপর (অর্থাৎ কোয়ান্টাইজড স্পেসে) ইমপ্লিমেন্ট করা হয়।

এই পদ্ধতির সুবিধা হলো এর দ্রুত প্রসেসিং টাইম যা সাধারণত ডেটা অবজেক্টের সংখ্যা থেকে স্বাধীন এবং শুধু কোয়ান্টাইজড স্পেসের প্রতিটি ডাইমেনশনে সেলের সংখ্যায় নির্ভরশীল।