自组织地图理解
Self organized map understaning
我有一张自组织地图，在此处创建了 Som_pak-3.1
如果我有三种不同类型的元素，并且它们是不同的。为什么元素不在地图的不同部分？为什么 "A"、"B" 和 "C" 在很多情况下都在同一个六边形上？为什么 "B" 和 "C" 永远不会单独出现在六边形中？
提前致谢！
我觉得这是SOM的正常结果。无监督的 SOM 算法不知道元素。使用距离度量，神经元学习了向量，然后将元素作为标签放置在最佳匹配的神经元中。
两个元素出现在同一个节点上的一个可能原因是它们的每个特征都具有相同的值。否则，它们对每个特征都有不同的值，但根据距离度量，这些值看起来仍然相似。
可以通过增加地图大小来增加空间分辨率。这可能允许 类 是可分离的。然而，权衡是当每个神经元与较少的数据点相关联时，它的统计显着性会下降。所以我的建议是，您可以尝试不同尺寸的地图，以找到适合您的数据集和目标的地图。
实际上我只是在阅读关于这一点的内容，p。 Kohonen 的书 "MATLAB Implementations and Applications of the Self-Organizing Map" 中的第 19 段可在 http://docs.unigrafia.fi/publications/kohonen_teuvo/ 获取。它涵盖了在 SOM-PAK 之后创建的 MATLAB SOM-Toolkit。这本书只简要介绍了 SOM-PAK，但我相信书中的理论会有所帮助。
我有一张自组织地图，在此处创建了 Som_pak-3.1
如果我有三种不同类型的元素，并且它们是不同的。为什么元素不在地图的不同部分？为什么 "A"、"B" 和 "C" 在很多情况下都在同一个六边形上？为什么 "B" 和 "C" 永远不会单独出现在六边形中？
提前致谢！
我觉得这是SOM的正常结果。无监督的 SOM 算法不知道元素。使用距离度量，神经元学习了向量，然后将元素作为标签放置在最佳匹配的神经元中。
两个元素出现在同一个节点上的一个可能原因是它们的每个特征都具有相同的值。否则，它们对每个特征都有不同的值，但根据距离度量，这些值看起来仍然相似。
可以通过增加地图大小来增加空间分辨率。这可能允许 类 是可分离的。然而，权衡是当每个神经元与较少的数据点相关联时，它的统计显着性会下降。所以我的建议是，您可以尝试不同尺寸的地图，以找到适合您的数据集和目标的地图。
实际上我只是在阅读关于这一点的内容，p。 Kohonen 的书 "MATLAB Implementations and Applications of the Self-Organizing Map" 中的第 19 段可在 http://docs.unigrafia.fi/publications/kohonen_teuvo/ 获取。它涵盖了在 SOM-PAK 之后创建的 MATLAB SOM-Toolkit。这本书只简要介绍了 SOM-PAK，但我相信书中的理论会有所帮助。