自组织映射(Self-Organizing Map)

自组织映射的计算。

输入

• 数据：输入数据集

输出

• 选定数据：从图中选择的实例
• 数据：带有附加列的数据，显示是否选择了一个点

功能

自组织映射（SOM）是一种人工神经网络（ANN），它使用无监督学习进行训练，以产生数据的二维的离散表示。这是一种降维的方法。自组织映射使用邻域函数保留输入空间的拓扑属性。

网格中的点表示数据实例。默认情况下，点的大小与该点表示的实例数相对应。这些点按多数类别（如果可用）进行着色，而内部颜色的强度表示多数类别的比例。要查看类别分布，请选择 “显示饼图” 选项。

与其他可视化小部件一样，自组织映射（SOM） 也支持交互式选择组。 使用 Shift 键选择一个新组，然后使用 Ctr + Shift 键添加到现有组。

界面

1. SOM属性：
   • 设置网格类型。 选项为六角形或正方形网格。
   • 如果选中 “自动设置尺寸”，则图的大小将自动设置。 或者，手动设置尺寸。
   • 设置 SOM 投影的初始化类型。选项包括 PCA 初始化，随机初始化和可复制的随机（random_seed = 0）。
   • 设置完参数后，按 开始 重新运行优化。
2. 设置图中实例的颜色。小部件默认情况下按类别着色（如果可用）。
   • 显示饼图 将点变成饼图，显示用于着色的值的分布。
   • 按实例数量设置大小 根据该点表示的实例数量缩放这些点。

示例

自组织映射(Self-Organizing Map) 是输入数据的低维投影。我们将使用 brown-selected 数据，并以二维投影形式显示数据实例。好像这三种基因类型是分开的。我们可以从网格中选择一个子集，并将其显示在数据表中。

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里