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

당신이 혼란스러운 구슬 더미를 정리하려는 탐정이라고 상상해 보십시오. 하지만 이 구슬들은 평범한 구슬이 아닙니다. 이들은 거대하고 투명한 지구본 표면에 붙어 있으며, 당신의 유일한 임무는 어떤 것들이 서로 같은 그룹에 속하는지 알아내는 것입니다. 이것이 바로 '방향성 데이터(directional data)'의 세계입니다. 과학자들은 나침반 바늘이 가리키는 방향, 철새의 이동 경로, 또는 지진이 땅을 흔드는 정확한 위치와 같이 특정한 시작점은 없지만 방향을 가진 것들을 연구합니다. 수십 년 동안, 이 구슬들을 그룹화하는 표준적인 방식은 모든 군집이 완벽하고 둥근 연기 구름 모양이라고 가정했습니다. 만약 구슬들이 실제로는 길쭉한 미식축구 공 모양이거나 납작한 팬케이크 모양이라면, 기존 방식은 긴 타원을 완벽한 원형으로 끼워 맞추려다 보니 혼란에 빠지게 됩니다. 이 논문은 다음과 같은 단순하지만 강력한 질문을 던집니다. 만약 우리가 모든 것을 완벽한 원형으로 강요하는 대신, 실제 그룹의 모양에 맞춰 늘어나고 줄어들 수 있는 더 똑똑한 도구를 사용한다면 어떨까?

연구자들인 테오도로스 페르디키스(Theodoros Perdikis), 네이더 알하르비(Nader Alharbi), 미카일 차그리스(Michail Tsagris)는 '타원 대칭 분포(elliptically symmetric distributions)'라고 불리는 두 가지 새로운 형태 변화 도구를 테스트하기로 했습니다. 이 도구들은 마치 유연한 고무줄처럼 데이터 군집을 타원형으로 늘려 밀착할 수 있어, 경직된 원형 훌라후프보다는 훨씬 정교합니다. 그들은 이 도구들을 두 가지 유형의 데이터, 즉 일반적인 구(sphere, 지구와 같은) 위의 점들과 '하이퍼 스피어(hyper-sphere, 수학적으로 존재하지만 물리적 세계에는 없는 고차원의 구)' 위의 점들에 대해 테스트했습니다. 하이퍼 스피어 데이터를 다루기 위해, 그들은 복잡한 지도를 지구본 위에 펼치듯 고차원 데이터를 일반적인 3D 구로 투영하는 영리한 기술을 사용했습니다.

이 논문의 주요 발견은 이러한 유연한 타원형 도구들이 기존의 원형 도구들보다 실제 그룹을 더 잘 찾아내는 경우가 많다는 것입니다. 컴퓨터 시뮬레이션 결과, 데이터가 자연적으로 길쭉한 타원형 모양을 띨 때, 새로운 도구들은 거의 매번 정확한 그룹을 찾아낸 반면, 기존의 원형 도구들은 가끔 틀리거나 지저도 겹치는 그룹을 만들어냈습니다. 그러나 이 논문은 데이터의 '꼬리(tail)', 즉 이상치(outliers)가 얼마나 퍼져 있는지에 따라 도구의 선택이 중요하다는 점도 시사합니다. SESPC라고 불리는 새로운 도구 중 하나는 매우 넓게 퍼진 데이터를 처리하는 데 특히 뛰어났으며, 경쟁 모델인 ESAG보다 계산 속도도 빨랐습니다.

연구팀이 이 도구들을 실제 세상의 미스터리에 적용했을 때, 결과는 엇갈렸지만 시사하는 바가 컸습니다. 그들은 북미와 피지 인근의 지진 위치를 조사했습니다. 북미의 경우, 두 도구 모두 군집의 개수에 대해서는 동의했으나, 유연한 SESPC 도구가 군집 사이의 경계를 더 명확하고 뚜렷하게 그려내어 분리하기 쉽게 만들었습니다. 피지 지역에서는 기존의 원형 도구들과 새로운 타원형 도구들이 존재하는 그룹의 개수에 대해 의견이 엇갈렸는데, 유연한 SESPC는 4개의 그룹이라는 더 단순하고 논리적인 구조를 찾아낸 반면, 다른 모델들은 7개의 그룹으로 엉켜버렸습니다. 그들은 또한 와인 품질 데이터와 도매 고객 지출 데이터에 대해서도 테스트했습니다. 여기서도 유연한 도구들은 강점을 보였으며, 다른 방법들이 어려움을 겪는 곳에서 종종 정확한 그룹의 개수를 찾아냈습니다. 결론적으로, 기존의 원형 방식도 여전히 유용하지만, 이러한 형태 변화 분포는 특히 그룹이 완벽하게 둥글지 않을 때 방향성 데이터의 숨겨진 패턴을 이해하는 데 있어 더 정확하고 유연한 방법을 제공합니다.