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