自组织地图：如何从图中识别集群？答案

【问题标题】：Self-organizing map: How to identify clusters from plots?自组织地图：如何从图中识别集群？
【发布时间】：2020-03-25 15:47:55
【问题描述】：

我一直在学习神经网络，最近一直在尝试不同的聚类方法。但与 KNN、GMM 或 DBSCAN 不同，没有一个功能（在我知道的 Matlab 中）可以为您识别集群。所以我一直在阅读有关如何解释这些情节的文章，但我仍然感到困惑。对于我的示例，在权重位置图中，我看到了一个集群。对于邻居重量差异，我看到一个，也许是两个集群（黄色/亮 - 相似，红色/暗 - 不同）。在查看点击图中的密度时，这似乎得到了证实。可能还有更多，但老实说我不知道（我是新来的）因为梯度而不是集群之间的实体边界。你看到了多少个集群，你的逻辑是什么？谢谢]1[]2[]3

selforgmap([5 5] [net,tr] = train(net,x) figure, plotsomnd(net) figure, plotsomhits(net,x) figure, plotsompos(net,x)

【问题讨论】：

你能在最后一个情节中添加一个图例/颜色条吗？这不是不言自明的。

标签： matlab machine-learning neural-network som self-organizing-maps

【解决方案1】：

您可以构建与 SOM 节点所代表的内容相关的新范式，即它们生成新数据集。新数据集独立于原始数据集。尽管如此，它以某种方式排列，以便底层结构模仿原始数据集的结构。因此，经常会发现人们随后会使用 K-means、Hierarchical Clustering 等聚类算法进行 SOM。这可以认为是：不是直接从大量原始数据中进行聚类，而是在原始数据集的新版本上执行聚类过程，该版本较小但仍继承原始数据集的拓扑结构。 AFAIK，SOM 与 KNN 不同，因为 SOM 是无监督的，而 KNN 是有监督的。

【讨论】：