自组织图可视化结果解释
Self organising map visualisation result interpretation
使用 R Kohonen 包，我获得了 "codes" 图，其中显示了码本向量。
请问，相邻节点的码本向量不应该相似吗？为什么左边的前2个节点如此不同？
有没有办法将其组织成有意义的组织形式，如下图所示？来源here。高度贫困的国家聚集在底部。
library("kohonen")
data("wines")
wines.sc <- scale(wines)
set.seed(7)
wine.som <- som(data = wines.sc, grid = somgrid(5, 4, "hexagonal"))
# types of plots
plot(wine.som, type="codes", main = "Wine data")
地图 1 是每个节点的平均向量结果。您突出显示的前 2 个节点非常相似。
图2是节点之间的一种相似性指标。
如果您想使用地图 1 结果获得此类地图，您可能需要使用以下参数开发自己的绘图函数：
选择最相关的节点或最不同的节点（手动或自动）。然后，您必须为这些节点中的每一个分配颜色。
使用所选节点与每个节点中心之间的平均距离为相邻节点着色。较短的距离 = 接近的颜色，较远的距离 = 褪色。
总而言之，这几乎是白费功夫。地图 1 更好，包含很多信息。地图2好看...
使用 R Kohonen 包，我获得了 "codes" 图，其中显示了码本向量。
请问，相邻节点的码本向量不应该相似吗？为什么左边的前2个节点如此不同？
有没有办法将其组织成有意义的组织形式，如下图所示？来源here。高度贫困的国家聚集在底部。
library("kohonen")
data("wines")
wines.sc <- scale(wines)
set.seed(7)
wine.som <- som(data = wines.sc, grid = somgrid(5, 4, "hexagonal"))
# types of plots
plot(wine.som, type="codes", main = "Wine data")
地图 1 是每个节点的平均向量结果。您突出显示的前 2 个节点非常相似。
图2是节点之间的一种相似性指标。
如果您想使用地图 1 结果获得此类地图，您可能需要使用以下参数开发自己的绘图函数：
选择最相关的节点或最不同的节点（手动或自动）。然后，您必须为这些节点中的每一个分配颜色。
使用所选节点与每个节点中心之间的平均距离为相邻节点着色。较短的距离 = 接近的颜色，较远的距离 = 褪色。
总而言之，这几乎是白费功夫。地图 1 更好，包含很多信息。地图2好看...