dimension reduce（梯度下降）self-organizing maps（自组织映射）

最新推荐文章于 2024-07-21 06:30:00 发布
最新推荐文章于 2024-07-21 06:30:00 发布
阅读量1.3k 收藏
点赞数
分类专栏： 数据挖掘 文章标签： 算法 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010292637/article/details/8935655
版权
数据降维是优化处理时间、抗噪音和提升数据挖掘效果的重要手段。主成分分析(PCA)是线性降维的一种，寻找使数据变化最大的轴方向。自组织映射(SOM)则是非线性降维方法，能保持数据的拓扑结构，将相似数据映射到相近位置。SOM通过不断调整网络单元权重来逼近输入数据，形成有序的低维映射。
摘要由CSDN通过智能技术生成

使数据集的维度减小可以简化问题，带来优化

如更快的处理时间、虚拟化高维度的数据集、抗噪音、增强其他数据挖掘算法


线性降维（Linear dimension reduce）

main linear components能使数据在这一轴的变化范围最大

1-st component是使数据在这一维变化最大的轴方向

2-nd component是当投影到1-st component方向时数据范围最大的轴方向（一般与1-st component的方向垂直）


如图，将一个四维的数据集减小维度到二维的图形转换过程



主成分分析（principal component analysis）

主成分分析是找到main linear component的方法，其主要步骤如下：




Self-Organizing Maps

自组织映射是一种简单有效的方法：

1、将数据从到维度降到低维度映射

2、把相似的数据放置在相近位置，无关数据之间的位置较远

3、一种广泛采用的处理复杂类型数据的方法


自组织映射的基本原理：

由n个点组成的map space&#x

最低0.47元/天 解锁文章
u010292637
关注
专栏目录
Self-organizing Map详解
Ἥλιος
09-13 1万+
Self-organizing Map详解 第二十一次写博客，本人数学基础不是太好，如果有幸能得到读者指正，感激不尽，希望能借此机会向大家学习。这一篇文章是原型聚类中介绍的第五个算法，主要是谈一谈“自组织映射”（Self-organizing  \ Map）。其他有关于原型聚类算法的讨论可以移步到该类算法的导航页《原型聚类算法综述（原型聚类算法开篇）》。 Self-...
Self Organizing Maps
麦田守望者
11-24 2607
转自：http://davis.wpi.edu/~matt/courses/soms/ Table Of Conents I. Introduction to Self-Organizing Maps II. Components A. Sample Data B. Weights III. Main Algorithm A. Initializing the W
AI学习指南机器学习篇-自组织映射（Self-Organizing Maps，SOM）简介
最新发布
俞兆鹏的博客
07-21 1449
自组织映射（Self-Organizing Maps，SOM）是由芬兰科学家Teuvo Kohonen在1982年提出的一种人工神经网络。它是一种基于竞争学习的神经网络模型，可以将高维的输入数据映射到一个二维的网格结构上，从而实现对数据的降维、聚类和可视化。SOM算法的核心思想是通过竞争机制和权重更新来实现数据的自组织和映射。在训练阶段，SOM网络通过调整节点之间的连接权重，使得相似的输入模式映射到相邻的节点上，从而在拓扑上保持输入数据的局部关系。
深度学习算法中的自我组织映射网络（Self-Organizing Maps）
牛肉胡辣汤
09-23 786
它通过学习数据的分布模式，将输入数据映射到一个二维或三维的拓扑结构，称为“映射”或“网格”。SOM的核心思想是邻近性和竞争性，即每个神经元都与相邻神经元竞争，最终形成一个能够保留输入数据拓扑结构的映射。它模拟了人类大脑皮层的神经元连接方式，能够将高维数据映射到低维空间，帮助我们理解和可视化复杂数据的结构。SOM可以将输入数据进行聚类，将相似的数据映射到相邻的神经元上。通过将数据映射到二维或三维的网格中，我们可以更直观地理解数据的结构和分布情况。通过SOM将高维数据映射到低维空间，可以实现数据的压缩和降维。
自组织映射（Self-organizing map, SOM）
人无远虑，必有近忧
04-02 915
自组织映射(Self-organizing map, SOM)通过学习输入空间中的数据，生成一个低维、离散的映射(Map)，从某种程度上也可看成一种降维算法。SOM是一种的人工神经网络。不同于一般神经网络基于损失函数的反向传递来训练，它运用(competitive learning)策略,依靠神经元之间互相竞争逐步优化网络。使用近邻关系函数(neighborhood function)来维持输入空间的拓扑结构。维持输入空间的拓扑结构：意味着什么 二维映射包含了数据点之间的相对距离。
Self-organizing Maps及其改进算法Neural gas聚类在异常进程事件识别可行性初探
weixin_30819085的博客
08-03 1026
catalogue 1. SOM简介 2. SOM模型在应用中的设计细节 3. SOM功能分析 4. Self-Organizing Maps with TensorFlow 5. SOM在异常进程事件中自动分类的可行性设计 6. Neural gas简介 7. Growing Neural Gas (GNG) Neural Network 8. Simple implemen...
自组织特征映射应用实例.zip_self-organizing map_自动聚类_自组织映射
07-15
开发环境:Matlab 简要说明:自组织特征映射模型(Self-Organizing feature Map)，认为一个神经网络接受外界输入模式时，将会分为不同的区域，各区域对输入模式具有不同的响应特征，同时这一过程是自动完成的。...
self-organizing-maps.pdf
08-22
self-organizing-maps Teuvo Kohonen 2001 第三版 扫描版
matlab保存图片的代码-Self-Organizing-Map:自组织图
05-26
matlab保存图片的代码自组织图（SOM） 介绍 此SOM将手写字符“ N”，“ E”，“ U”，“ R”，“ A”，“ L”，“ S”，“ O”和“ M”分类为10x10格。 手写字符以20x16像素的图像形式提供。 该存储库提供训练数据，...
自组织映射(Self-organizing map, SOM)matlab代码+机器学习+人工智能
01-23
自组织映射(Self-organizing map, SOM)通过学习输入空间中的数据，生成一个低维、离散的映射(Map)，从某种程度上也可看成一种降维算法。 SOM是一种无监督的人工神经网络。不同于一般神经网络基于损失函数的反向传递...
Self_Organizing_maps-master.rar
12-12
matlab仿真实现 SOM神经网络仿真解决TSP（旅行销售商）问题，以及MTSP（多个旅行销售商）问题。包含真实数据集，仿真程序，注释详细，仿真结果。
机器学习中的降维与度量学习(reduce dimension and metric learning)
软工小盆友的博客
08-22 1080
降维与度量学习 k近邻学习 k近邻(k-Nearest Neighbor,简称kNN)学习是一种监督学习方法。 其工作机制为：在样本中，根据距离度量找出训练集中临近的k个样本，基于这k个样本进行预测。 一般，在分类任务中使用“投票法”，即选择最多的类别标记作为预测结果。 在回归任务中使用“平均法”。另外还可以使用距离度量以及加权平均来进行预测。 k近邻学习相比较其他的学习不同之处在...
机器学习笔记——降维（dimensionality reduction）
shanwenkang的博客
12-18 1686
降维 目的 我们对数据进行降维的目的有两个：一个是数据压缩，对于数据压缩我们可以大大地节省存储空间 第二就是使得数据可以可视化，我们将多维数据压缩成二维可以供我们更好地观察数据的特征 主成分分析（PAC） 主成分分析法可以将n维的数据降为k维，实际上我们是选取了一个k维的基向量，然后将n维的数据映射到k维上，使得投影误差最小。这k个基向量就是我们的主成分 在降维之前我们也需...
郑捷《机器学习算法原理与编程实践》学习笔记（第五章 梯度寻优）5.2 Logistic梯度下降法...
weixin_34307464的博客
01-24 82
　　5.2.1 梯度下降（略） 　　5.2.2 线性分类器（略） 　　5.2.3 Logistic函数—世界不是非黑即白 　　5.2.4 算法流程 　　单神经元的Logistic分类器 　　（1）导入数据 　　 #coding:utf-8 import sys import os from numpy import * #配置UTF-8的输出环境 reload(sy...
数组降维——Javascript中apply方法的妙用
weixin_30246221的博客
02-23 151
将多维数组（尤其是二维数组）转化为一维数组是业务开发中的常用逻辑，除了使用朴素的循环转换以外，我们还可以利用Javascript的语言特性实现更为简洁优雅的转换。本文将从朴素的循环转换开始，逐一介绍三种常用的转换方法，并借此简单回顾Array.prototype.concat方法和Function.prototype.apply方法。 以下代码将以把二维数组降维到一维数组为例。 1...
数据挖掘-目录-降维(Dimensionality Reduction)
program哲学
03-24 454
EigenValueDecomposition（特征值分解） SingularValueDecomposition（奇异值分解） Principal Component Analysis（主成分分析）
dimension reduction （降维）方法总结_codestorm_新浪博客
codestrom04
02-16 1472
1.feature selection redundant / irrelevant : filter: correlation / mutual information wrapper: others: decision tree 2. feature extraction ...
系统学习机器学习之神经网络（四） --SOM
热门推荐
工作笔记
12-05 4万+
转自:http://blog.csdn.net/xbinworld/article/details/50818803，其实内容更多的是百度文库里叫《SOM自组织特征映射神经网络》这篇文章上的，博主增加了一些理解。 本文详细介绍一下自组织神经网络概念和原理，并重点介绍一下自组织特征映射SOM网络。SOM和现在流行的ANN（MLP）模型在结构上类似，都由非常简单的神经元结构组成，但是SOM是一类“无...
【c++/opengl】植物的交互自组织建模~self-organizing tree modeling
11-10
自组织建模是一种基于物理规则和生物规律的建模方法，可以模拟植物的形态和生长过程。在使用C语言和OpenGL进行植物自组织建模时，我们可以根据植物的基本结构和行为规律来设计算法。 首先，我们需要定义植物的基本...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值