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

Immaginate di essere un detective che cerca di smistare un caotico mucchio di biglie, ma queste non sono biglie ordinarie. Sono attaccate alla superficie di un enorme globo invisibile, e il vostro unico compito è capire quali appartengano allo stesso gruppo. Questo è il mondo dei "dati direzionali", dove gli scienziati studiano cose che hanno una direzione ma non un punto di partenza specifico — come il modo in cui punta l'ago di una bussola, la rotta di un uccello migratore o l'esatto punto sulla Terra dove un terremoto scuote il suolo. Per decenni, il modo standard di raggruppare queste biglie ha assunto che ogni gruppo somigliasse a una nuvola di fumo perfettamente sferica. Se le biglie fossero state in realtà a forma di un pallone da football allungato o di un pancake schiacciato, i vecchi metodi si sarebbero confusi, cercando di forzare un cerchio perfetto attorno a un ovale lungo. Questo articolo pone una domanda semplice ma potente: e se usassimo uno strumento più intelligente che possa allungarsi e comprimersi per adattarsi alla forma reale dei gruppi, invece di forzare tutto in un cerchio perfetto?

I ricercatori, Theodoros Perdikis, Nader Alharbi e Michail Tsagris, hanno deciso di testare due nuovi strumenti capaci di cambiare forma, chiamati "distribuzioni ellitticamente simmetriche". Pensate a questi come a elastici flessibili che possono allungarsi in ovali per abbracciare strettamente un gruppo di punti dati, invece di rigidi cerchi hula hoop. Hanno testato questi strumenti su due tipi di dati: punti su una sfera normale (come la Terra) e punti su una "ipersfera" (una versione matematica più complusa e ad alta dimensione di una sfera che non esiste nel nostro mondo fisico). Per rendere gestibili i dati dell'ipersfera, hanno usato un trucco ingegnoso: hanno proiettato i dati ad alta dimensione su una sfera 3D regolare, come se stessero appiattendo una mappa complessa su un mappamondo, prima di applicare i loro nuovi strumenti.

La scoperta principale del documento è che questi strumenti flessibili e di forma ovale sono spesso più bravi a trovare i veri gruppi rispetto a quelli vecchi e rotondi. Nelle loro simulazioni al computer, quando i dati avevano naturalmente una forma a ovale allungato, i nuovi strumenti trovavano i gruppi corretti quasi ogni volta, mentre i vecchi strumenti rotondi a volte sbagliavano o creavano gruppi disordinati e sovrapposti. Tuttavia, l'articolo suggerisce anche che la scelta dello strumento è importante a seconda della "coda" dei dati — ovvero quanto siano dispersi gli outlier. Uno dei nuovi strumenti, chiamato SESPC, è stato particolarmente bravo a gestire dati molto dispersi ed è stato anche più veloce da calcolare, impiegando meno tempo per elaborare i numeri rispetto al suo concorrente, l'ESAG.

Quando il team ha applicato questi strumenti a misteri del mondo reale, i risultati sono stati contrastanti ma rivelatori. Hanno esaminato le posizioni dei terremoti in Nord America e vicino alle Fiji. In Nord America, entrambi gli strumenti concordavano sul numero di gruppi, ma lo strumento flessibile SESPC disegnava linee più chiare e distinte tra i cluster, rendendoli più facili da separare. Nella regione delle Fiji, i vecchi strumenti rotondi e i nuovi strumenti ovali erano in disaccordo sul numero di gruppi esistenti, con il SESPC flessibile che trovava una struttura più semplice e logica di quattro gruppi, mentre gli altri modelli si incartavano in sette gruppi. Hanno anche testato gli strumenti su dati sulla qualità del vino e sulla spesa dei clienti all'ingrosso. Qui, gli strumenti flessibili hanno mostrato ancora una volta la loro forza, trovando spesso il numero corretto di gruppi dove altri metodi faticavano. L'articolo conclude che, sebbene i vecchi metodi circolari siano ancora utili, queste distribuzioni capaci di cambiare forma offrono un modo più accurato e flessibile per comprendere i modelli nascosti nei dati direzionali, specialmente quando i gruppi non sono perfettamente rotondi.