Построение карты Kohonen - Понимание визуализации

Question

Алгоритм Kohonen для SOMs описывает, как регулировать входные веса наилучшего реагирующего нейрона и его соседей для каждого примера обучения.

Когда дело доходит до графика, я остался с (число нейронов карты) - много векторов площадь объекта Размер. Как это уменьшить, чтобы получить 2D-графики, показанные повсюду?

С уважением!

Answer 1

SOM - это неконтролируемый алгоритм кластеризации. По существу, они представляют собой аналогичные образцы, ближе к карте характеристик (это аналогичные образцы будут сглаживать узлы, которые ближе друг к другу).

Так что давайте предположим, что у вас есть 10000 образцов с 10 функциями каждый и 2d-SOM 20x20x10 (400 узлов с 10 функциями). После обучения вы собрали 10000 выборок на 400 узлов. Кроме того, вы можете попытаться идентифицировать похожие области на карте возможностей SOM, например, через U-матрицу (карту, представляющую среднее расстояние между вектором веса узла и ближайшими соседями) или устранить ненужные узлы через Hit-Map (карта, представляющая количество раз, когда узел был выбран как лучшая единица соответствия - BMU для данных обучения).

Таким образом, без какой-либо предварительной обработки вы достигли сокращения в 25 раз, а с некоторыми вы даже можете достичь большего.

EDIT: для более развернутый ответ см Interpreting a Self Organizing Map как указано @lejlot