通过 SOM 进行聚类答案

【问题标题】：Clustering through SOM通过 SOM 进行聚类
【发布时间】：2012-12-01 08:58:20
【问题描述】：

我有 71 个属性和 17 个实例的数据。我想将它们分为六个组或类。我试过newsom( data, [ 6 6 ] )。

结果如下图所示。我无法弄清楚集群的位置以及如何以编程方式找到它们？

我阅读了所有有关 SOM 的论文，但始终无法弄清楚如何获取集群和这些集群中的数据？所以，在你回复我的问题时也请注明。

【问题讨论】：

这并没有直接的帮助，但是选择自组织地图有什么理由吗？我一直觉得它不优雅、耗时，而且在少数情况下，我看到它（由与我一起工作的人）用于生成大部分无用的集群。
也许你是对的，但它仍然不是集群的一种方式吗？如果没有，请提出其他方法。
17 个实例并不多。我建议使用层次聚类，例如包括单连锁聚类和完全连锁聚类。这将使您能够处理数据，并且您可以使用生成的树将数据分成六个类。您也可以使用 k-means 并将 k 设置为 6。对于所有方法，您需要确保没有任何属性支配其他属性（除非这是您想要的）；可能需要标准化。最后，对于某些类型的数据（例如时间过程），基于例如皮尔逊相关系数可能是合适的。

【解决方案1】：

您必须仔细研究有关 newsom（当前已弃用）或 selforgmap 函数的返回结构的文档。在 IW 字段中，您可以找到 N*N 簇坐标。例如：

somnet = newsom( data, [ 6 6 ] )
my_clusters = somnet.IW;

myclusters 将有 N*N 行（在您的情况下为 6*6）和 M 列等于输入维度。就是这样。

【讨论】：

【解决方案2】：

由于您的实例与地图节点的比例很高，因此您的节点在最终地图中没有“赢得”实例，您可以使用这些“空”节点来分隔地图。在此处查看有关 som 集群的更多信息：Clustering of the Self−Organizing Map

请记住，SOM 是一种无监督的聚类方法，即您不定义聚类的数量，数据会告诉您这一点。

【讨论】：

感谢您的回复。我知道 SOM 是一种无监督的聚类方法。问题是分组完成后我需要 4 或 6 个集群。不幸的是，kmeans 算法没有返回令人满意的结果。
@user1900559，如果您需要少量集群，您可以使用较小的地图 (2x3) 并将每个地图节点视为一个集群，但不建议使用 SOM。您还可以按照我引用的论文中的描述在 SOM 上实现层次聚类，然后您可以定义所需的最终聚类数量。
谢谢。我尝试了层次聚类和k-means。问题是一些数据点从一个集群转移到另一个集群，具有不同的集群过程。
@user1900559 ，这是集群过程中的常见问题。不同的算法产生不同的结果。有聚类质量度量（谷歌它，你会发现很多信息）来评估你的结果并做出相应的选择。