क्लस्टरिंग का परिचय
भौतिक या अमूर्त ऑब्जेक्ट्स के एक समूह को समान ऑब्जेक्ट्स की कक्षाओं में संयोजित करने की प्रक्रिया को क्लस्टरिंग कहा जाता है। एक क्लस्टर डेटा ऑब्जेक्ट्स का एक समूह होता है जो एक ही क्लस्टर के भीतर एक-दूसरे के समान होते हैं और अन्य क्लस्टर्स में ऑब्जेक्ट्स से भिन्न होते हैं। कई अनुप्रयोगों में डेटा ऑब्जेक्ट्स के एक क्लस्टर को सामूहिक रूप से एक समूह माना जा सकता है। क्लस्टर विश्लेषण एक आवश्यक मानवीय गतिविधि है।
क्लस्टर विश्लेषण का उपयोग इन रिकॉर्ड्स पर किए गए विभिन्न मापों के आधार पर समान रिकॉर्ड्स के समूह या क्लस्टर बनाने के लिए किया जाता है। मुख्य डिज़ाइन क्लस्टर्स को उन तरीकों से परिभाषित करना है जो विश्लेषण के उद्देश्य के लिए उपयोगी हो सकें। इस डेटा का उपयोग खगोल विज्ञान, पुरातत्व, चिकित्सा, रसायन विज्ञान, शिक्षा, मनोविज्ञान, भाषा विज्ञान और समाजशास्त्र जैसे कई क्षेत्रों में किया गया है।
क्लस्टर के विभिन्न तत्व
1. डेटा वितरण (Data Distribution)
कुछ क्लस्टरिंग तकनीकें डेटा के लिए एक विशिष्ट प्रकार के वितरण को मानती हैं। इसके अलावा, वे मान सकती हैं कि डेटा को वितरणों के संयोजन से उत्पन्न होने के रूप में मॉडल किया जा सकता है, जहां प्रत्येक क्लस्टर एक वितरण से संबंधित होता है।
2. आकार (Shape)
कुछ क्लस्टर्स व्यवस्थित रूप से आकार के होते हैं, जैसे आयताकार या गोलाकार, लेकिन आमतौर पर क्लस्टर्स मनमाने आकार के हो सकते हैं। DBSCAN और सिंगल लिंक जैसी तकनीकें मनमाने आकार के क्लस्टर्स को संभाल सकती हैं, लेकिन प्रोटोटाइप-आधारित योजनाएं और कुछ पदानुक्रमित तकनीकें (कंप्लीट लिंक और ग्रुप एवरेज सहित) नहीं कर सकतीं।
3. भिन्न आकार (Differing Sizes)
K-Means सहित कई क्लस्टरिंग विधियां तब अच्छा प्रदर्शन नहीं करतीं जब क्लस्टर्स के कई आकार होते हैं।
4. भिन्न घनत्व (Differing Densities)
व्यापक रूप से भिन्न घनत्व वाले क्लस्टर्स DBSCAN और K-Means जैसी विधियों के लिए समस्याएं पैदा कर सकते हैं।
5. खराब पृथक क्लस्टर्स (Poorly Separated Clusters)
जब क्लस्टर्स स्पर्श करते हैं या ओवरलैप होते हैं, तो कई क्लस्टरिंग दृष्टिकोण उन क्लस्टर्स को जोड़ देते हैं जिन्हें अलग रखा जाना चाहिए। यहां तक कि जो तकनीकें अलग क्लस्टर्स खोजती हैं, वे मनमाने ढंग से पॉइंट्स को एक क्लस्टर या दूसरे को असाइन कर देती हैं।
6. क्लस्टर्स के बीच संबंध (Relationships among Clusters)
अधिकांश क्लस्टरिंग तकनीकों में, क्लस्टर्स के बीच संबंधों (उनकी सापेक्ष स्थिति सहित) का कोई स्पष्ट विचार नहीं किया जाता। सेल्फ-ऑर्गनाइज़िंग मैप्स एक क्लस्टरिंग विधि है जो क्लस्टरिंग चरण के दौरान क्लस्टर्स के बीच संबंधों को सीधे संबोधित करती है। इसके अलावा, एक पॉइंट को एक क्लस्टर को असाइन करना निकटवर्ती क्लस्टर्स की परिभाषाओं को प्रभावित करता है।
7. सबस्पेस क्लस्टर्स (Subspace Clusters)
क्लस्टर्स केवल आयामों (विशेषताओं) के एक सबसेट में मौजूद हो सकते हैं, और एक आयाम सेट का उपयोग करके तय किए गए क्लस्टर्स दूसरे सेट का उपयोग करके तय किए गए क्लस्टर्स से भिन्न हो सकते हैं।
यह समस्या दो आयामों जितने कम के साथ भी उत्पन्न हो सकती है, लेकिन जैसे-जैसे आयाम बढ़ता है यह अधिक तीव्र हो जाता है, क्योंकि आयामों के संभावित सबसेट्स की संख्या कुल आयामों की संख्या में घातीय होती है। चूंकि सभी संभावित आयाम सबसेट्स में क्लस्टर्स देखना व्यावहारिक नहीं है जब तक कि आयामों की संख्या अपेक्षाकृत कम न हो।
