neural-network - 自组织地图和线性矢量量化

Question

自组织地图更适合聚类（降维）而不是分类。但是 SOM 用于线性矢量量化以进行微调。但是 LVQ 是一种有监督的学习方法。因此，要在 LVQ 中使用 SOM，应为 LVQ 提供标记的训练数据集。但是由于 SOM 只做聚类而不是分类，因此不能有标记数据，如何将 SOM 用作 LVQ 的输入？

LVQ 是否微调SOM中的集群？
在 LVQ 中使用之前，SOM 是否应该通过另一种分类算法，以便它可以对输入进行分类，以便这些标记的输入可以在 LVQ 中使用？

Answer 1

必须清楚监督与无监督不同，因为首先目标值是已知的。因此，监督模型的输出是一个预测。相反，无监督模型的输出是一个我们还不知道其含义的标签。为此，在聚类之后，有必要对这些新标签中的每一个进行分析。

话虽如此，您可以使用无监督学习技术（如 SOM）标记数据集。然后，您应该对每个类进行概要分析，以确保理解每个类的含义。此时，您可以根据您的最终目标采取两条不同的路径： 1. 使用这个新变量作为降维的一种方式 2. 使用这个新数据集，其中包含将类表示为标记数据的附加变量将尝试使用 LVQ 进行预测

希望这会有用！