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
возможно дубликат [Устный самоорганизующейся Карта] (http://stackoverflow.com/questions/18233994/interpreting-a- самоорганизация-карта) – lejlot