Построение карты Кохонена - Понимание визуализации
Алгоритм Кохонена для СДЛ говорит о том, как регулировать входные веса наилучшего адаптивного нейрона и его соседей для каждого примера обучения.
Когда дело доходит до построения, у меня остается (число нейронов карты)-много векторов пространств объектов Dimension. Как это уменьшить, чтобы 2D-графики показывались повсюду?
С уважением!
1 ответ
SOM - это не контролируемый алгоритм кластеризации. Как таковой, он представляет аналогичные выборки, расположенные ближе на карте объектов (то есть аналогичные выборки будут запускать узлы, которые находятся ближе друг к другу).
Итак, давайте предположим, что у вас есть 10000 сэмплов с 10 функциями каждый и 2d-SOM 20x20x10 (400 узлов с 10 функциями). Поэтому после обучения вы сгруппировали 10000 образцов в 400 узлов. Кроме того, вы можете попытаться идентифицировать аналогичные регионы на карте объектов SOM, например, с помощью U-Matrix (карты, представляющей среднее расстояние между вектором весов узла и его ближайшими соседями), или устранить ненужные узлы с помощью Hit-Map (карта, представляющая количество раз, когда узел был выбран в качестве наиболее подходящей единицы измерения (BMU для обучающих данных).
Таким образом, без какой-либо предварительной обработки вы достигли сокращения в 25 раз, а с некоторыми вы можете даже достичь большего.
РЕДАКТИРОВАТЬ: Для более подробного ответа см. Интерпретация самоорганизующейся карты, как указано @lejlot