উচ্চ-মাত্রিক ডেটা থেকে সাবস্পেস ক্লাস্টারিং (Subspace Clustering)
উচ্চ-মাত্রিক ডেটা থেকে সাবস্পেস ক্লাস্টার খুঁজে বের করার পদ্ধতিগুলিকে প্রধানত তিনটি guruhে ভাগ করা যায়: সাবস্পেস সার্চ техники, কোরিলেশন-ভিত্তিক ক্লাস্টারিং техники, এবং বাইক্লাস্টারিং (biclustering) техники।
১. সাবস্পেস সার্চ টেকনিক (Subspace Search Technique)
এই পদ্ধতিতে বিভিন্ন সাবস্পেসে ক্লাস্টার খুঁজে বের করা হয়। তাই একটি ক্লাস্টার হলো অবজেক্টের একটি উপসেট যারা একটি সাবস্পেসে একে অপরের সাথে অনুরূপ। এই অনুরূপতা সাধারণ মাপদণ্ড যেমন দূরত্ব বা ঘনত্ব দিয়ে মাপা হয়।
উদাহরণস্বরূপ, CLIQUE অ্যালগরিদম একটি সাবস্পেস ক্লাস্টারিং টেকনিক। এটি মাত্রা বৃদ্ধির ক্রমে সাবস্পেস ও সেখানে ক্লাস্টার নির্দিষ্ট করে এবং অ্যান্টিমনোটোনিসিটি (antimonotonicity) ব্যবহার করে সেই সাবস্পেসগুলো ছাঁট করে যেখানে ক্লাস্টার টিকে থাকতে পারে না। সাবস্পেস সার্চ টেকনিকের বড় চ্যালেঞ্জ হলো সাবস্পেসের একটি ক্রম কার্যকরভাবে কীভাবে সার্চ করা যায়।
দুই ধরনের পদ্ধতি রয়েছে:
- বটম-আপ (Bottom-up): নিম্ন-মাত্রিক সাবস্পেস থেকে শুরু করে বেশি মাত্রিক সাবস্পেসে সার্চ করা হয় কেবল যখন সেখানে ক্লাস্টার থাকার সম্ভাবনা থাকে। অনেক প্রুনিং (pruning) পদ্ধতি বিশ্লেষণ করা হয়েছে যাতে বেশি মাত্রিক সাবস্পেস সার্চ করার প্রয়োজন কমে। CLIQUE একটি বটম-আপ পদ্ধতির উদাহরণ।
- টপ-ডাউন (Top-down): পুরো স্পেস থেকে শুরু করে পুনরাবৃত্তিমূলকভাবে ছোট ছোট সাবস্পেসে সার্চ করা হয়। টপ-ডাউন পদ্ধতিগুলি কেবল তখন কার্যকর হয় যখন লোকালিটি ধারণা (locality assumption) প্রয়োগ হয়, যা দাবি করে একটি ক্লাস্টারের সাবস্পেস তার লোকালНеইবারহुड দ্বারা নির্ধারিত হতে পারে।
২. কোরিলেশন-ভিত্তিক ক্লাস্টারিং পদ্ধতি (Correlation-Based Clustering Methods)
সাবস্পেস সার্চ পদ্ধতিগুলি যেখানে দূরত্ব বা ঘনত্বের মতো সাধারণ মেট্রিক ব্যবহার করে অনুরূপতা গণনা করে, वहां কোরিলেশন-ভিত্তিক পদ্ধতিগুলি উন্নত কোরিলেশন মডেল দ্বারা निरূপিত ক্লাস্টার আবিষ্কার করতে পারে।
PCA-ভিত্তিক পদ্ধতিতে প্রথমে PCA (Principal Components Analysis) ব্যবহার করে নতুন, অ-কোরিলেটেড মাত্রা তৈরি করা হয়, এবং তারপর নতুন স্পেস বা তার সাবস্পেসগুলিতে ক্লাস্টার মাইন করা হয়। PCA ছাড়াও অন্যান্য স্পেস ট্রান্সফরমেশন যেমন হফ ট্রান্সফরম (Hough transform) বা ফ্র্যাক্টাল মাত্রা ব্যবহার করা যায়।
৩. বাইক্লাস্টারিং পদ্ধতি (Biclustering Methods)
কিছু অ্যাপ্লিকেশনে অবজেক্ট ও অ্যাট্রিবিউট দুটোই একসাথে ক্লাস্টার করা প্রয়োজন হয়। ফলাফলস্বরূপ ক্লাস্টারগুলোকে বাইক্লাস্টার (bicluster) বলা হয় এবং এগুলো চারটি শর্ত পূরণ করে:
- কেবল একটি ছোট গ্রুপ অবজেক্ট ক্লাস্টারে অংশগ্রহণ করে।
- একটি ক্লাস্টারে কেবল কিছু অ্যাট্রিবিউট থাকে।
- একটি অবজেক্ট একাধিক ক্লাস্টারে অংশ নিতে পারে, অথবা কোনো ক্লাস্টারে অংশ নাও নিতে পারে।
- একটি অ্যাট্রিবিউট একাধিক ক্লাস্টারে থাকতে পারে, অথবা কোনো ক্লাস্টারে থাকতে পারে না।
বাইক্লাস্টারিং ও জিন এক্সপ্রেশন ডেটা
বাইক্লাস্টারিং টেকনিক প্রথমে জিন এক্সপ্রেশন ডেটা অন্বেষণের প্রয়োজনীয়তা পূরণের জন্য প্রস্তাবিত হয়েছিল। একটি জিন হলো জীবিত কাঠামো থেকে সন্তানতنة বৈশিষ্ট্য স্থানান্তরের একক। সাধারণত একটি জিন DNA-এর একটি সেগমেন্টে থাকে। জিনগুলো সব জীবিত জিনিসের জন্য অত্যাবশ্যক কারণ এগুলো কিছু প্রোটিন ও ফাংশনাল RNA চেইন নির্দিষ্ট করে। এগুলো জীবিত কোষের নির্মাণ ও রক্ষণাবেক্ষণ এবং সন্তানতনে জেনেটিক বৈশিষ্ট্য স্থানান্তরের তথ্য বহন করে।
একটি কোষ, জীব বা ব্যক্তির জিনোটাইপ (genotype) হলো তার জেনেটিক কাঠামো। ফিনোটাইপ (phenotype) হলো জীবের दृশ্যমান বৈশিষ্ট্য। জিন এক্সপ্রেশন (gene expression) জেনেটিক্স-এ একটি গুরুত্বপূর্ণ স্তর কারণ জিনোটাইপ ফিনোটাইপের কারণ।
