วิธีการค้นหากลุ่มย่อยในข้อมูลมิติสูง
มีหลายวิธีที่จัดกลุ่มเป็นสามกลุ่มหลัก ได้แก่ เทคนิคค้นหาช่วงย่อย (Subspace Search Techniques), เทคนิคจัดกลุ่มเชิงสหสัมพันธ์ (Correlation-based Clustering Techniques), และเทคนิคบายคลัสเตอร์ (Biclustering Techniques)
1. เทคนิคค้นหาช่วงย่อย (Subspace Search Technique)
วิธีค้นหาช่วงย่อยค้นหาหลายช่วงย่อยเพื่อหากลุ่ม กลุ่มคือชุดย่อยของวัตถุที่คล้ายกันในช่วงย่อย ความคล้ายคลึงได้จากการวัดแบบดั้งเดิม เช่น ระยะหรือความหนาแน่น
ตัวอย่าง: อัลกอริทึม CLIQUE เป็นเทคนิคจัดกลุ่มช่วงย่อย สามารถระบุช่วงย่อยและกลุ่มในช่วงย่อยเหล่านั้นในลำดับมิติที่เพิ่มขึ้น และใช้ความนิรโทษธรรม (Antimonotonicity) เพื่อตัดทอนช่วงย่อยที่ไม่มีกลุ่มอยู่ ความท้าทายใหญ่คือวิธีค้นหาลำดับช่วงย่อยอย่างมีประสิทธิภาพ
มีสองประเภทของวิธี:
- วิธี Bottom-up: เริ่มจากช่วงย่อยมิติต่ำ และค้นหาช่วงย่อยมิติสูงกว่าเฉพาะเมื่ออาจมีกลุ่มในมิติสูงกว่านั้น มีหลายวิธีตัดทอน (Pruning) เพื่อลดช่วงย่อยมิติสูงที่ต้องค้นหา CLIQUE เป็นตัวอย่างของวิธี Bottom-up
- วิธี Top-down: เริ่มจากพื้นที่เต็มและค้นหาช่วงย่อยเล็กลงเรื่อยๆ แบบเรียกซ้ำ (Recursively) วิธี Top-down มีประสิทธิภาพก็ต่อเมื่อสมมติฐานท้องถิ่น (Locality Assumption) มีผล บังคับว่าช่วงย่อยของกลุ่มสามารถกำหนดได้โดยบริบทท้องถิ่น
2. วิธีจัดกลุ่มเชิงสหสัมพันธ์ (Correlation-Based Clustering Methods)
ในขณะที่วิธีค้นหาช่วงย่อยค้นหากลุ่มด้วยความคล้ายที่คำนวณจากเมตริกแบบดั้งเดิม เช่น ระยะหรือความหนาแน่น วิธีเชิงสหสัมพันธ์สามารถค้นพบกลุ่มที่แสดงโดยโมเดลสหสัมพันธ์ขั้นสูง
วิธี berbasis PCA ใช้ PCA (Principal Components Analysis) ก่อนเพื่อแปลงเป็นชุดมิติใหม่ที่ไม่มีสหสัมพันธ์ และทำเหมืองกลุ่มในพื้นที่ใหม่หรือช่วงย่อยของมัน นอกจาก PCA การแปลงพื้นที่อื่นๆ ก็ใช้ได้ เช่น การแปลง Hough (Hough Transform) หรือมิติแฟร็กทัล (Fractal Dimensions)
3. วิธีบายคลัสเตอร์ (Biclustering Methods)
ในบางแอปพลิเคชัน จำเป็นต้องจัดกลุ่มทั้งวัตถุและแอตทริบิวต์พร้อมกัน กลุ่มที่ได้เรียกว่า Biclusters และตอบสนองข้อกำหนดสี่ข้อ:
- มีเพียงกลุ่มเล็กของวัตถุที่ปรากฏในกลุ่ม
- กลุ่มมีเพียงจำนวนเล็กของแอตทริบิวต์
- วัตถุอาจมีส่วนร่วมในหลายกลุ่ม หรือไม่เข้าร่วมกลุ่มใดเลย
- แอตทริบิวต์อาจรวมอยู่ในหลายกลุ่ม หรือไม่รวมอยู่ในกลุ่มใดเลย
เทคนิคบายคลัสเตอร์เสนอครั้งแรกเพื่อตอบสนองความต้องการในการสำรวจข้อมูลการแสดงพันธุกรรม (Gene Expression Data) จีนเป็นหน่วยของการถ่ายทอดลักษณะจากสิ่งมีชีวิตตัวผู้ไปยังลูกหลาน โดยทั่วไปจีนประกอบด้วยส่วนของ DNA จีนสำคัญต่อสิ่งมีชีวิตทั้งหลาย เพราะกำหนดโปรตีนและโซ่ RNA ที่ทำงาน พวกมันควบคุมข้อมูลเพื่อสร้างและรักษาเซลล์ของสิ่งมีชีวิตและส่งคุณสมบัติทางพันธุกรรมไปยังลูกหลาน
จีโนไทป์ (Genotype) คือองค์ประกอบทางพันธุกรรมของเซลล์, สิ่งมีชีวิต, หรือบุคคล ไฟโนไทป์ (Phenotypes) คือลักษณะที่สังเกตได้ของสิ่งมีชีวิต การแสดงพันธุกรรม (Gene Expression) เป็นขั้นตอนสำคัญในพันธุศาสตร์ที่จีโนไทป์ก่อให้เกิดไฟโนไทป์
