SOM：属性与变化答案

【问题标题】：SOM: attributes vs changesSOM：属性与变化
【发布时间】：2016-02-19 08:41:23
【问题描述】：

假设我有一个训练有素的 SOM：mySom。我想测试它的质量。一个有趣的paper 给出了一个建议：使用summary(mySom)。这样做的结果是：

som map of size 5x5 with a hexagonal topology.
Training data included; dimension is 1017 by 24
Mean distance to the closest unit in the map: 0.02276404

所以，mean(somres$distances) = 0.02276404 似乎是所有元素与最近原型的平均距离。不过，另一个度量值应该代表相同的值：mySom$changes。打印我们找到的值：

> somres$changes
               [,1]
  [1,] 0.0053652766
  [2,] 0.0054470742
  [3,] 0.0054121733
  [4,] 0.0054452036
  ...
  [97,] 0.0010324613
  [98,] 0.0009807617
  [99,] 0.0010183714
  [100,] 0.0010220923

在向 SOM 提供 100 次输入后，我们得到每个单元与最近一个单元的平均距离：0.0010220923。

问题：mySom$changes[100] != mean(somres$distances)。为什么？

【问题讨论】：

根据kohonen:::summary.kohonen，通过mean(object$distances)计算平均距离。所以在你的情况下mean(somres$distances)。
你是对的。尽管如此，'somres$changes' 应该包含基于 rlen 值更新的相同度量。在我的例子中，rlen=100 意味着我已经向 SOM 提交了 10 次输入。在“somres$changes[100]”中，我应该得到“mean(somres$distances)”的最终值。
您是否找到了答案？我在理解这两者之间的区别时遇到了同样的问题？

标签： r properties summary som self-organizing-maps

【解决方案1】：

您描述的第一个质量度量“到地图中最近单元的平均距离”是 som 地图的量化误差，请参阅http://www.ifs.tuwien.ac.at/~poelzlbauer/publications/Poe04WDA.pdf。它是通过确定样本向量到代表它们的聚类质心的平均距离来计算的。在 SOM 的情况下，簇质心是原型向量。该值是在训练过程之后计算的。第二个似乎是每次迭代计算的。在 SOM 中，两个值随迭代而变化：learning rate 和 neighbourhood distance see this for a summary of SOM features。尝试将 100 个值与 SOM 参数的初始值和最终值相关联。

【讨论】：