R语言中的SOM(自组织映射神经网络)对NBA球员聚类分析

最近我们被客户要求撰写关于SOM的研究报告，包括一些图形和统计输出。

 【视频】KMEANS均值聚类和层次聚类：R语言分析生活幸福质量系数可视化实例

KMEANS均值聚类和层次聚类：R语言分析生活幸福质量系数可视化实例

，时长06:05

导入

自组织映射 （SOM）是一种工具，通过生成二维表示来可视化高维数据中的模式，在高维结构中显示有意义的模式。通过以下方式使用给定的数据（或数据样本）对SOM进行“训练”：

• 定义了网格的大小。
• 网格中的每个单元都在数据空间中分配了一个初始化向量。
  • 例如，如果要创建22维空间的地图，则会为每个网格单元分配一个22维向量。
• 数据被反复输入到模型中进行训练。每次输入训练向量时，都会执行以下过程：
  • 识别具有最接近训练向量的代表向量的网格单元。
  • 随着训练向量的多次输入，收敛的参数使调整变得越来越小，从而使地图稳定。

该算法赋予SOM的关键特征：数据空间中接近的点在SOM中更接近。因此，SOM可能是表示数据中的空间聚类的好工具。

Kohonen映射类型

下面的示例将使用2015/16 NBA赛季的球员统计数据。我们将查看每36分钟更新一次的球员统计信息。这些数据可从