问题标签 [som]

我有以下数据集。

我想训练一个集群该数据集的 SOM：

如果我这样做，我会得到下图：

我不喜欢它自动设置颜色的方式，因为它似乎违反直觉。我想设置五种颜色，从白色开始变成浅红色，普通红色，深红色，深红色。否则，至少反转图形的颜色。

我无法使用参数palette.name= 等。如何修改颜色？如果我使用 ggplot 我会丢失type = "counts"我绘制 som 的属性。

我正在使用kohonen包在 R 中生成一个自组织地图。但是，在查看文档时，我无法清楚地了解对象的codes属性som代表什么。

该文档仅说明：

代码：代码向量矩阵。

在这种情况下，什么是代码向量矩阵？

我正在尝试可视化 SOM 神经网络。有一个plotsom功能。它有效，但它通过一维拉伸情节：

原图：

和不同的视图（XY ; XZ 和 YZ）：

我不明白如何使它的轴相当均匀地受到干扰。我的代码：（最初A == net.IW{1,1}和B = net.layers{1}.distances）

我对 SOM 很陌生。我在 R 中使用 Kohonen 包来构建我的 SOM。在计数图中，可以在地图的一个角落找到一个非常密集的节点。当我重新训练网络时，这个密集节点有时会随机移动到另一个角落。地图的含义仍然相同，因为它只是旋转了 90、180 或 270 度。但是，如果遵循相同的约定，我希望生成的报告会更好。那么，如何使地图固定到一个位置呢？或者有没有办法旋转情节？

尽管设置了种子值并且具有相同的编号。在训练过程中的迭代次数中，我无法将这个密集节点固定到一个特定的角落。

如果有帮助，这是我的代码：

任何想法？提前致谢。

我正在使用 SOM 算法进行研究并阅读一些论文。我不明白人们将数据集拆分为 SOM 的训练/测试集的逻辑。我的意思是，例如，当使用 C4.5 决策树时，经过训练的结构包括一些规则，当新数据集（测试）来对那里的数据进行分类时要应用这些规则。但是，通过 SOM 训练系统后会生成什么样的规则或类似的东西？如果我将 100% 的数据应用于 SOM 系统，而不是先使用 30% 进行训练，然后使用 70% 进行测试，会有什么不同？提前感谢您的回答。

我不知道如何在地图中设置每个神经元的定位。这是一个神经元和映射：

如果我有多个相等的单词，如何计算模式输入（单词）和我的神经元之间的距离。

我不确定重量。我将权重定义为一个单词的 mfcc 特征的数量，但是在训练中我需要根据神经元之间的距离来更新这个权重。我正在使用神经元之间的欧几里得距离。但问题是如何更新权重。这里是init map和神经元的代码

}

初始化地图：

}

我使用 R 中的 Kohonen 包将 SOM 应用于我拥有的基因组数据集。SOM 有 55 个变量。我想将这些变量的代码子集绘制为扇形图。例如，仅使用 R 中固有的 wine 数据集：

这将每个节点上每个预测变量的权重绘制为扇形图。在这种情况下，我想做的是情节说，只有镁、灰、苹果酸和类黄酮在粉丝情节中。

将绘制每个节点上镁的权重。

做类似的事情

只需用每个节点的灰分权重覆盖镁权重。

另外像：

也不行。

任何帮助将不胜感激。

我正在使用 R 中的 kohonen 库来使用一些数据训练自组织地图。出于训练/测试目的，我将数据集拆分为 60/40。如何使用测试数据运行经过训练的模型？我在文档中找不到执行此操作的功能。如何从训练数据中查看测试的偏离程度？我正在使用 R 3.3.2 和 RStudio 1.0.44。

我正在尝试使用余弦而不是欧几里得距离对一些似乎可分离的数据进行聚类。为此，我如何使用 MATLAB 的selforgmap？我不相信这是通过“distanceFcn”选项。

x = simplecluster_dataset；net = selforgmap([8 8],100,3,'hextop','cosine'); 净=火车（净，X）；视图（净） y = 净（x）；类 = vec2ind(y);

我正在尝试使用自组织图 (SOM) 作为聚类模型来执行测试总结。我们是否有任何用于在 python 中执行 SOM 的库。