ক্লাস্টারের উপাদানগুলো কী?

ক্লাস্টারিং এবং এর উপাদান

ভৌত বা বিমূর্ত অবজেক্টের একটি সেটকে একই ধরনের অবজেক্টের শ্রেণিতে গোষ্ঠীভুক্ত করার প্রক্রিয়াকে ক্লাস্টারিং বলে। একটি ক্লাস্টার হল ডেটা অবজেক্টের একটি সেট যারা একই ক্লাস্টারের মধ্যে একে অপরের সাথে সাদৃশ্যপূর্ণ এবং অন্যান্য ক্লাস্টারের অবজেক্টlerden ভিন্ন। ডেটা অবজেক্টের একটি ক্লাস্টারকে অনেক অ্যাপ্লিকেশনে সামूहিকভাবে একটি গ্রুপ হিসেবে বিবেচনা করা যায়। ক্লাস্টার অ্যানালাইসিস মানুষের একটি গুরুত্বপূর্ণ কার্যকলাপ।

ক্লাস্টার অ্যানালাইসিস বিভিন্ন মাপদণ্ডের উপর ভিত্তি করে একই রেকর্ডের গ্রুপ বা ক্লাস্টার গঠনে ব্যবহৃত হয়। মূল লক্ষ্য হল ক্লাস্টারগুলিকে এমনভাবে সংজ্ঞায়িত করা যাতে সেগুলো অ্যানালাইসিসের উদ্দেশ্যে উপযোগী হয়। এই ডেটা জ্যোতির্বিজ্ঞান, পুরাতত্ত্ব, চিকিৎসা, রসায়ন, শিক্ষা, মনোবিজ্ঞান, ভাষাবিজ্ঞান এবং সমাজবিজ্ঞানের মতো বিভিন্ন ক্ষেত্রে ব্যবহৃত হয়েছে।

ক্লাস্টারের বিভিন্ন উপাদান

ডেটা বন্টন (Data Distribution)

কিছু ক্লাস্টারিং কৌশল ডেটার জন্য একটি নির্দিষ্ট ধরনের বন্টন অনুমান করে। তারা অনুমান করতে পারে যে ডেটা বন্টনগুলির মিশ্রণ থেকে উৎপন্ন হয়েছে, যেখানে প্রতিটি ক্লাস্টার একটি বন্টনের সাথে সম্পর্কিত।

আকৃতি (Shape)

কিছু ক্লাস্টার নিয়মিত আকারের, যেমন আয়তাকার বা গোলাকার, কিন্তু সাধারণত ক্লাস্টারগুলি নির্বিচারে আকারের হতে পারে। DBSCAN এবং সিংগেল লিংক মতো কৌশল নির্বিচারে আকারের ক্লাস্টার হ্যান্ডেল করতে পারে, কিন্তু প্রোটোটাইপ-ভিত্তিক স্কিম এবং কিছু হায়ারার্কিক্যাল কৌশল (যেমন কমপ্লিট লিংক এবং গ্রুপ অ্যাভারেজ) পার না।

ভিন্ন আকার (Differing Sizes)

K-মিন্স সহ কিছু ক্লাস্টারিং পদ্ধতি ভিন্ন আকারের ক্লাস্টার থাকলে ভালো কাজ করে না।

ভিন্ন ঘনত্ব (Differing Densities)

বহুল পরিবর্তনশীল ঘনত্বের ক্লাস্টার DBSCAN এবং K-মিন্সের মতো পদ্ধতির জন্য সমস্যা সৃষ্টি করতে পারে।

খারাপ পৃথকীকৃত ক্লাস্টার (Poorly Separated Clusters)

যখন ক্লাস্টারগুলি ছুঁয়ে থাকে বা ওভারল্যাপ করে, অনেক ক্লাস্টারিং পদ্ধতি অলগ রাখা উচিত ক্লাস্টারগুলোকেও একত্রিত করে। এমনকি স্বতন্ত্র ক্লাস্টার খুঁজে বের করার কৌশলও বाध्य করে পয়েন্টগুলোকে যেকোনো একটি ক্লাস্টারে বরাদ্দ করে।

ক্লাস্টারগুলির মধ্যে সম্পর্ক (Relationships among Clusters)

বেশির ভাগ ক্লাস্টারিং পদ্ধতিতে, ক্লাস্টারগুলির মধ্যে সম্পর্ক (যেমন তাদের সাপেক্ষ অবস্থান) স্পষ্টভাবে বিবেচনা করা হয় না। সেলফ-অর্গানাইজিং ম্যাপস একটি ক্লাস্টারিং পদ্ধতি যা ক্লাস্টারিং ফেজে সরাসরি ক্লাস্টারগুলির মধ্যে সম্পর্ক বিবেচনা করে। আরও, একটি পয়েন্টকে একটি ক্লাস্টারে বরাদ্দ করলে সেটি निकটবর্তী ক্লাস্টারগুলোর সংজ্ঞাকে প্রভাবিত করে।

সাবস্পেস ক্লাস্টার (Subspace Clusters)

ক্লাস্টারগুলি শুধুমাত্র ডায়মেনশনগুলির (অ্যাট্রিবিউট) একটি উপসেটে অস্তিত্বে থাকতে পারে, এবং একটি ডায়মেনশন সেট ব্যবহার করে নির্ধারিত ক্লাস্টার অন্য ডায়মেনশন সেট ব্যবহার করে নির্ধারিত ক্লাস্টার থেকে ভিন্ন হতে পারে।

যদিও এই সমস্যা দুটি ডায়মেনশনেই বাড়তে পারে, কিন্তু ডায়মেনশনালিটি বাড়ার সাথে সাথে এটি তীব্র হয়ে ওঠে, কারণ ডায়মেনশনগুলির সম্ভাব্য উপসেটের সংখ্যা মোট ডায়মেনশন সংখ্যার এক্সপোনেনশিয়াল। যেহেতু সব সম্ভাব্য ডায়মেনশন উপসেটে ক্লাস্টার খোঁজা অপ্রায়োজনিক যদি না ডায়মেনশন সংখ্যা তুলনামূলকভাবে কম থাকে।