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

Imagine que você é um detetive tentando organizar uma pilha caótica de bolas de gude, mas estas não são bolas de gude comuns. Elas estão presas à superfície de um globo gigante e invisível, e seu único trabalho é descobrir quais delas pertencem ao mesmo grupo. Este é o mundo dos "dados direcionais", onde cientistas estudam coisas que têm uma direção, mas não um ponto de partida específico — como a maneira como uma agulha de bússola aponta, o caminho de um pássaro migratório ou o local exato na Terra onde um terremoto sacode o solo. Durante décadas, a maneira padrão de agrupar essas bolas de gude assumiu que cada agrupamento parecia uma nuvem de fumaça perfeitamente redonda. Se as bolas de gude fossem, na verdade, moldadas como uma bola de futebol americano esticada ou uma panqueca achatada, os métodos antigos ficariam confusos, tentando forçar um círculo redondo em torno de um oval longo. Este artigo faz uma pergunta simples, mas poderosa: E se usássemos uma ferramenta mais inteligente que pudesse esticar e comprimir para corresponder à forma real dos grupos, em vez de forçar tudo em um círculo perfeito?

Os pesquisadores, Theodoros Perdikis, Nader Alharbi e Michail Tsagris, decidiram testar duas novas ferramentas de mudança de forma chamadas "distribuições ellipticamente simétricas". Pense nelas como elásticos flexíveis que podem se esticar em ovais para abraçar um agrupamento de pontos de dados firmemente, em vez de arcos rígidos e redondos. Eles testaram essas ferramentas em dois tipos de dados: pontos em uma esfera normal (como a Terra) e pontos em uma "hiperesfera" (uma versão matemática de uma esfera de dimensões superiores que existe na matemática, mas não no nosso mundo físico). Para tornar os dados da hiperesfera gerenciáveis, eles usaram um truque inteligente: projetaram os dados de alta dimensão em uma esfera 3D regular, como se estivessem achatando um mapa complexo sobre um globo, antes de aplicar suas novas ferramentas.

A principal descoberta do artigo é que essas ferramentas flexíveis, de formato oval, são frequentemente melhores em encontrar os grupos reais do que as antigas e redondas. Em suas simulações de computador, quando os dados eram naturalmente moldados como um oval esticado, as novas ferramentas encontravam os grupos corretos quase todas as vezes, enquanto as antigas ferramentas redondas às vezes erravam ou criavam grupos bagunçados e sobrepostos. No entanto, o artigo também sugere que a escolha da ferramenta importa dependendo da "cauda" dos dados — o quão espalhados estão os valores atípicos (outliers). Uma das novas ferramentas, chamada SESPC, foi particularmente boa em lidar com dados que eram muito espalhados e também foi mais rápida de computar, levando menos tempo para processar os números do que sua concorrente, a ESAG.

Quando a equipe aplicou essas ferramentas a mistérios do mundo real, os resultados foram mistos, mas reveladores. Eles analisaram localizações de terremotos na América do Norte e perto de Fiji. Na América do Norte, ambas as ferramentas concordaram sobre o número de grupos, mas a ferramenta flexível SESPC desenhou linhas mais claras e distintas entre os agrupamentos, tornando-os mais fáceis de separar. Na região de Fiji, as ferramentas redondas antigas e as novas ferramentas ovais discordaram sobre quantos grupos existiam, com a flexível SESPC encontrando uma estrutura mais simples e lógica de quatro grupos, enquanto os outros modelos se emaranharam em sete. Eles também testaram as ferramentas em dados de qualidade de vinho e gastos de clientes no atacado. Aqui, as ferramentas flexíveis mostraram novamente sua força, frequentemente encontrando o número correto de grupos onde outros métodos tiveram dificuldades. O artigo conclui que, embora os antigos métodos redondos ainda sejam úteis, essas novas distribuições de mudança de forma oferecem uma maneira mais precisa e flexível de entender os padrões ocultos nos dados direcionais, especialmente quando os grupos não são perfeitamente redondos.