問題タブ [self-organizing-maps]

私の最後の任務を完了するのを手伝ってください。講師からいくつか質問があります

• 自己組織化マップでクラスターの数を決定するにはどうすればよいですか?
• 自己組織化マップで最適な反復回数を決定するにはどうすればよいですか?

このコードを使用して、小さなデータセットの SOM を生成しています。それは私が理解できないエラーを生成します。

エラー ：

これを理解するのに役立ちますか？

R の Kohonen パッケージを使用して SOM マップを作成しましたが、マップ上の特定のデータ ポイントの場所を特定したいと考えています。つまり、使用されるシリーズは 2 列で構成されるマトリックスであり、1 行ずつ増加しています。マップ自体または特定の行でこの最後の観測の位置にフラグを付けるにはどうすればよいですか? 私が使用するコードは次のとおりです。

任意の助けをいただければ幸いです

ありがとうございました

クラス用に SOM ネットワークを作成しましたが、機能せず、その理由もわかりません。単一のニューロンであり、重みベクトルを含む Node クラスがあります。次に、ノードの配列を含む SOM クラスを作成しました。

私の仕事は、このデータからSOMを実装すること です。 ）。

コード: http://pastebin.com/GerkTf3C

トレーニング プロセス:

1. 一連のトレーニング データとそれが適合するカテゴリからランダムに 1 つの入力ベクトルを取得します。
2. ネットワークをアクティブにして、距離の配列を取得します。これにより、特定のニューロンが入力ベクトルとどのように異なるかがわかります。
3. 入力ベクトルからの距離が最も小さい勝者ノードのインデックスを取得します。
4. 現在の反復の学習率と近傍半径を計算します。
5. ノードごとに、勝者ノードまでのユークリッド距離を計算します。
6. ノードが勝者の近隣にある場合、重みベクトルをどのように変更および更新し、適合するカテゴリをクラスタ ベクトルに追加する必要があるかを計算します。
7. 学習率が一定の限界を超えている間、ステップ 1 から 6 を繰り返します
8. 最終的に、各ノードに適合するカテゴリを設定しました。

残念ながら、40% から 80% までの有効性が得られます (非常に不安定で、そのようなランダム性を排除する方法がわかりません) トレーニング セットでテストします (トレーニング セットで 100% の有効性があるはずです)。

PS私の英語とコードの質で申し訳ありませんが、Pythonを学び始めたばかりです。

SOM 出力をどのように解釈するのか知りたいです。例えば

入力

出力

誰か教えてください。

使用したコード:

私の理解でsom_model$unit.classifは、勝利したニューロン/BMU のインデックスを入力データ セットの個々の行にマップします。それらを最終的なコードブック/加重ベクトル ( ) とリンクしようとしましたsom_model$codesが、リンクを確立できませんでした。

somこれらのインデックスをデータに割り当てる根拠/ルールまたは式について、親切に教えてください。

私はこの問題を解決しようとしています:

各画像は高さ 28 ピクセル、幅 28 ピクセルで、合計 784 ピクセルです。各ピクセルには、そのピクセルの明るさまたは暗さを示す単一のピクセル値が関連付けられており、数値が大きいほど暗いことを意味します。このピクセル値は、0 から 255 までの整数です。

トレーニング データ セット (train.csv) には 785 列があります。「ラベル」と呼ばれる最初の列は、ユーザーが描いた数字です。残りの列には、関連付けられた画像のピクセル値が含まれます。

以下のコードを R で実行したところ、このエラーが返されましたNA/NaN/Inf in foreign function call (arg 1)。

私のデータには多くのゼロがあり、これが問題だと思います。

どうすればこの問題を解決できますか?