【问题标题】:Self organising map visualisation result interpretation自组织地图可视化结果解读
【发布时间】:2015-08-02 19:34:44
【问题描述】:

使用 R Kohonen 包,我获得了一个显示码本向量的“代码”图。

我想问,相邻节点的码本向量不应该是相似的吗?为什么左边的前 2 个节点如此不同?

有没有办法将它组织成一个有意义的组织,如下图所示?来自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")

【问题讨论】:

    标签: r machine-learning cluster-analysis som unsupervised-learning


    【解决方案1】:

    Map 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。

    Map 2 是节点之间的一种相似性指标。

    如果您想使用 map 1 结果获得此类地图,您可能必须使用以下参数开发自己的绘图功能:

    1. 选择最相关或最不同的节点(手动或自动)。然后,您必须为这些节点中的每一个赋予颜色。

    2. 使用每个节点的中心与所选节点之间的平均距离为相邻节点指定颜色。更短的距离 = 接近颜色,更高的距离 = 褪色。

    总而言之,这几乎是白费力气。地图1更好,包含很多信息。地图2很好看……

    【讨论】:

    • 我突出显示的 2 个节点的码本向量不同,对吧?左侧节点对于非 flav 具有非常高的权重。酚和col int。而右侧节点的酒精、苹果酸、非黄酮含量较高。酚,col int 和 col。色调。我的理解错了吗?
    • 这些节点之间的真正区别在于灰分的等级
    猜你喜欢
    • 2021-12-24
    • 1970-01-01
    • 2017-07-20
    • 2011-01-06
    • 1970-01-01
    • 1970-01-01
    • 2016-07-11
    • 1970-01-01
    相关资源
    最近更新 更多