CLIQUE উচ্চ-ডাইমেনশনাল স্পেসে ডাইমেনশন-গ্রোথ সাবস্পেস ক্লাস্টারিং জন্য প্রস্তাবিত প্রথম অ্যালগরিদম। ডাইমেনশন-গ্রোথ সাবস্পেস ক্লাস্টারিং-এ, ক্লাস্টারিং প্রক্রিয়া একক-ডাইমেনশনাল সাবস্পেস থেকে শুরু করে এবং উপরের ডাইমেনশনাল দিকেই বর্ধিত হয়।
CLIQUE-এর মূল ধারণা
একটি বড় বহু-ডাইমেনশনাল ডেটা পয়েন্ট সেট দেওয়া থাকলে, ডেটা স্পেস সাধারণত ডেটা পয়েন্ট দ্বারা একইভাবে заня্বৃত নয়। CLIQUE-এর ক্লাস্টারিং স্পেসে বিলবিল (sparse) এবং "भीর" (crowded) এলাকা (অথবা ইউনিট) শনাক্ত করে, যার ফলে ডেটাসেটের পুরো ডিস্ট্রিবিউশন প্যাটার্ন পাওয়া যায়।
একটি ইউনিট ঘন (dense) যদি মোট ডেটা পয়েন্টের অনুপাত যেটি সেটি ধারণ করে একটি ইনপুট মডেল প্যারামিটার অতিক্রম করে। CLIQUE-এ, একটি ক্লাস্টারকে সংযুক্ত ঘন ইউনিটের একটি সর্বোচ্চ গোষ্ঠী হিসেবে উপস্থাপন করা হয়।
দুই-ফেজ প্রক্রিয়া
ফেজ ১: ঘন ইউনিট শনাক্তকরণ
CLIQUE d-ডাইমেনশনাল ডেটা স্পেসকে নন-ওভারল্যাপিং রেক্ট্যাঙ্গুলার ইউনিটে পার্টিশন করে এবং তাদের মধ্যে ঘন ইউনিটগুলো শনাক্ত করে। এটি (১-ডি-তে) প্রতিটি ডাইমেনশনের জন্য করা হয়।
অভ্যर्थী সার্চ স্পেসের শনাক্তকরণ অ্যাসোসিয়েশন রুল মাইনিং-এ ব্যবহৃত অপ্রায়রি প্রোপার্টি (Apriori property)-র ওপর ভিত্তি করে। সাধারণত, এই প্রোপার্টি সার্চ স্পেসে আইটেমের পূর্ব জ্ঞান ব্যবহার করে যাতে স্পেসের অংশগুলো প্রুন করা যায়।
CLIQUE-এর জন্য প্রোপার্টি: যদি একটি k-ডাইমেনশনাল ইউনিট ঘন হয়, তবে এর (k−1)-ডাইমেনশনাল স্পেসে প্রজেকশনও ঘন হবে। অর্থাৎ, একটি k-ডাইমেনশনাল অভ্যর্থী ঘন ইউনিট দেওয়া থাকলে, যদি এর (k−1)th প্রজেকশন ইউনিট চেক করে কিছু পাওয়া যায় যা ঘন নয়, তবে আমরা জানি যে kth ডাইমেনশনাল ইউনিট ঘন হতে পারে না।
অতএব, (k−1) ডাইমেনশনাল স্পেসে পাওয়া ঘন ইউনিট থেকে k-ডাইমেনশনাল স্পেসে সম্ভাব্য বা অভ্যর্থী ঘন ইউনিট তৈরি করা যায়। সাধারণত, ফলস্বরূপ সার্চ স্পেস মূল স্পেসের চেয়ে অনেক ছোট হয়। ঘন ইউনিটগুলো পরীক্ষা করা হয় ক্লাস্টার নির্ধারণের জন্য।
ফেজ ২: ক্লাস্টার বর্ণনা
দ্বিতীয় ফেজে, CLIQUE প্রতিটি ক্লাস্টারের জন্য একটি মিনিমাল বর্ণনা তৈরি করে। প্রতিটি ক্লাস্টারের জন্য, এটি সংযুক্ত ঘন ইউনিটের ক্লাস্টার কভার করে এমন সর্বোচ্চ অঞ্চল নির্ধারণ করে। এটি প্রতিটি ক্লাস্টারের জন্য একটি মিনিমাল কভার (লজিক্যাল বর্ণনা) নির্ধারণ করে।
CLIQUE-এর বৈশিষ্ট্য
CLIQUE অবশ্যই সর্বোচ্চ ডাইমেনশনালিটির সাবস্পেস আবিষ্কার করে যাতে উচ্চ-ঘনত্বের ক্লাস্টার ওই সাবস্পেসে বিদ্যমান থাকে। এটি ইনপুট অবজেক্টের ক্রমের প্রতি অসংবেদনশীল এবং কোনো ক্যাননিক্যাল ডেটা ডিস্ট্রিবিউশন অনুমান করে না। এটি ইনপুটের আকারের সাথে লিনিয়ারলি স্কেল করে এবং ডেটার ডাইমেনশন সংখ্যা বাড়ার সাথে সাথে সেরা স্কেলেবিলিটি প্রদান করে।
