绘制科霍宁地图-理解可视化
绘制科霍宁地图-理解可视化
提问于 2014-11-13 14:20:47
SOMs的Kohonen算法说明了如何为每个训练示例调整最佳响应神经元及其邻居的输入权重。
当涉及到绘图时，我留下了特征空间维数的( map神经元数目)-many向量。如何减少这一点，使2D图到处显示？
亲切的问候！
回答 1
Stack Overflow用户
回答已采纳
发布于 2014-11-14 09:41:35
SOM是一种无监督的聚类算法.因此，它代表相似的样本，在特征映射上更接近(也就是说，类似的样本将激发更紧密的节点)。
因此，假设您有10000个样本，每个都有10个特性，2d-SOM为20x20x10 (400个节点，10个特性)。因此，在培训之后，您将10000个样本聚集到400个节点中。此外，您可以尝试通过例如U-矩阵(表示节点的权重向量与其最近的邻居之间的平均距离)来识别SOM特征地图上的类似区域，或者通过命中地图(表示节点被选择为最佳匹配单元的次数的地图- BMU作为训练数据的最佳匹配单元)消除无用的节点。
因此，如果没有任何预处理，您就可以减少25倍，而使用一些预处理，您甚至可以实现更多。
编辑:如@lejlot所示，有关更详细的答案，请参见Interpreting a Self Organizing Map
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/26911018
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号