Самоорганизация карт и линейное квантование векторов

Question

Самоорганизующиеся карты более подходят для кластеризации (уменьшения размера), а не для классификации. Но SOM используются для линейного векторного квантования для точной настройки. Но LVQ - контролируемый метод наклона. Поэтому для использования ЗВОЛ в LVQ, LVQ должен быть снабжен помеченным набором данных обучения. Но поскольку SOM только кластеризуют, а не классифицируют и, следовательно, не могут помечать данные, как SOM может использоваться как вход для LVQ?

ли LVQ тонкой настройки кластеров в SOM?
Перед использованием в LVQ следует ли использовать SOM через другой алгоритм классификации, чтобы он мог классифицировать входы так, чтобы эти помеченные входы могли использоваться в LVQ?

Answer 1

Должно быть ясно, что контролируемый отличается от неконтролируемого, потому что в первом известны целевые значения. Следовательно, выход контролируемых моделей является прогнозом. Вместо этого вывод неконтролируемых моделей является ярлыком, для которого мы еще не знаем смысла. Для этой цели после кластеризации необходимо выполнить профили каждой из этих новых ярлыков.

Сказав это, вы можете пометить набор данных, используя неконтролируемый метод обучения, такой как SOM. Затем вы должны профилировать каждый класс, чтобы быть уверенным в понимании значения каждого класса. На этом этапе вы можете преследовать два разных пути в зависимости от вашей конечной цели.: 1. используйте эту новую переменную как способ уменьшения размерности. 2. используйте этот новый набор данных с дополнительной переменной, представляющей класс как помеченные данные, которые вы попытаетесь предсказать, используя LVQ

Надеюсь, это может быть полезно!