绘制 Kohonen 地图 - 了解可视化答案

【问题标题】：Plotting the Kohonen map - Understanding the visualization绘制 Kohonen 地图 - 了解可视化
【发布时间】：2014-11-14 17:41:35
【问题描述】：

SOM 的 Kohonen 算法说明了如何为每个训练示例调整最佳响应神经元及其邻居的输入权重。

当涉及到绘图时，我留下了（地图神经元的数量）——特征空间维度的许多向量。这是如何减少以使 2D 图随处显示的？

亲切的问候！

【问题讨论】：

Interpreting a Self Organizing Map的可能重复

标签： machine-learning neural-network

【解决方案1】：

SOM 是一种无监督聚类算法。因此，它表示相似的样本，在特征图上更接近（也就是说，相似的样本将触发更靠近的节点）。

假设您有 10000 个样本，每个样本包含 10 个特征，以及 20x20x10 的 2d-SOM（400 个节点，包含 10 个特征）。因此，在训练之后，您将 10000 个样本聚集到 400 个节点中。此外，您可以尝试通过例如 U-Matrix（表示节点的权重向量与其最近邻居之间的平均距离的图）来识别 SOM 特征图上的相似区域，或者通过 Hit-Map 消除无用节点（图表示节点被选为最佳匹配单元的次数 - 用于训练数据的 BMU）。

因此，在没有任何预处理的情况下，您实现了 25 倍的减少，而通过一些预处理，您甚至可以实现更多。

编辑：更详细的答案请参见@lejlot 所指示的Interpreting a Self Organizing Map

【讨论】：

因此，为了获得 2D 可视化，我将采用 400 个节点（这意味着 400 个 10D 权重向量），计算一个（欧几里得）距离矩阵并用这个“机械”图之一绘制它- 可视化工具？（感谢指点，昨天我坚持要提到 Kohonen！）
@Damian 是的。不同的可视化有不同的信息，所以需要一些时间来分析它们