Model–based clustering for spherical and hyper–spherical data using elliptically symmetric distributions

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, einen chaotischen Haufen Murmeln zu sortieren, aber dies sind keine gewöhnlichen Murmeln. Sie kleben an der Oberfläche eines riesigen, unsichtbaren Globus, und Ihre einzige Aufgabe ist es, herauszufinden, welche davon zusammengehören. Dies ist die Welt der „richtungsbezogenen Daten“, in der Wissenschaftler Dinge untersuchen, die eine Richtung haben, aber keinen spezifischen Ausgangspunkt – wie die Art und Weise, wie eine Kompassnadel zeigt, der Pfad eines Zugvogels oder der exakte Ort auf der Erde, an dem ein Erdbeben den Boden erschüttert. Jahrzehntelang ging die Standardmethode zur Gruppierung dieser Murmeln davon aus, dass jeder Cluster wie eine perfekte, runde Rauchwolke aussieht. Wenn die Murmeln tatsächlich die Form eines gestreckten Footballs oder eines flachgedrückten Pfannkuchens hatten, gerieten die alten Methoden durcheinander und versuchten, einen runden Kreis um ein langes Oval zu erzwingen. Diese Arbeit stellt eine einfache, aber kraftvolle Frage: Was wäre, wenn wir ein klügeres Werkzeug verwenden könnten, das sich dehnen und stauchen kann, um der tatsächlichen Form der Gruppen zu entsprechen, anstatt alles in einen perfekten Kreis zu zwängen?

Die Forscher Theodoros Perdikis, Nader Alharbi und Michail Tsagris beschlossen, zwei neue, formveränderliche Werkzeuge namens „elliptisch symmetrische Verteilungen“ zu testen. Denken Sie bei diesen als flexible Gummibänder, die sich zu Ovalen dehnen können, um einen Datensatz eng zu umschließen, anstatt starre, runde Hula-Hoop-Reifen zu sein. Sie testeten diese Werkzeuge auf zwei Arten von Daten: Punkten auf einer normalen Sphäre (wie der Erde) und Punkten auf einer „Hypersphäre“ (einer schicken, höherdimensionalen Version einer Sphäre, die in der Mathematik existiert, aber nicht in unserer physischen Welt). Um die Hypersphären-Daten handhabbar zu machen, verwendeten sie einen cleveren Trick: Sie projizierten die hochdimensionalen Daten auf eine reguläre 3D-Sphäre herunter, so als würde man eine komplexe Karte auf einen Globus flachdrücken, bevor sie ihre neuen Werkzeuge anwandten.

Die Hauptfeststellung der Arbeit ist, dass diese flexiblen, ovalen Werkzeuge oft besser darin sind, die wahren Gruppen zu finden als die alten, runden. In ihren Computersimulationen, als die Daten von Natur aus die Form eines gestreckten Ovals hatten, fanden die neuen Werkzeuge fast jedes Mal die korrekten Gruppen, während die alten runden Werkzeuge manchmal falsch lagen oder unordentliche, überlappende Gruppen erzeugten. Die Arbeit legt jedoch auch nahe, dass die Wahl des Werkzeugs davon abhängt, wie der „Schwanz“ der Daten beschaffen ist – also wie weit die Ausreißer gestreut sind. Eines der neuen Werkzeuge, genannt SESPC, war besonders gut darin, mit sehr weit gestreuten Daten umzugehen, und es war zudem schneller in der Berechnung, da es weniger Zeit benötigte, um die Zahlen zu verarbeiten, als sein Konkurrent ESAG.

Als das Team diese Werkzeuge auf reale Rätsel anwandte, waren die Ergebnisse gemischt, aber aufschlussreich. Sie untersuchten Erdbebenorte in Nordamerika und in der Nähe von Fidschi. In Nordamerika stimmten beide Werkzeuge in der Anzahl der Gruppen überein, aber das flexible SESPC-Werkzeug zog klarere, deutlichere Linien zwischen den Clustern, was sie leichter voneinander zu trennen machte. In der Region Fidschi waren sich die alten runden Werkzeuge und die neuen ovalen Werkzeuge uneinig darüber, wie viele Gruppen existierten, wobei das flexible SESPC eine einfachere, logischere Struktur von vier Gruppen fand, während die anderen Modelle sich in sieben Gruppen verhedderten. Sie testeten die Werkzeuge auch auf Weinqualitätsdaten und auf das Großhandelsverhalten von Kunden. Hier zeigten die flexiblen Werkzeuge erneut ihre Stärke und fanden oft die korrekte Anzahl an Gruppen, wo andere Methoden Schwierigkeiten hatten. Die Arbeit kommt zu dem Schluss, dass die alten runden Methoden zwar immer noch nützlich sind, diese formveränderlichen Verteilungen jedoch eine genauere und flexiblere Möglichkeit bieten, die verborgenen Muster in richtungsbezogenen Daten zu verstehen, insbesondere wenn die Gruppen nicht perfekt rund sind.