R语言
batchSOM
位于 class
包(package)。 说明
Kohonen 的Self-Organizing Map是多维缩放的粗略形式。
用法
batchSOM(data, grid = somgrid(), radii, init)
参数
data |
观察值的矩阵或 DataFrame ,经过缩放以使欧几里得距离合适。 |
grid |
代表网格:参见 |
radii |
用于每次传递的邻域半径:为 |
init |
最初的代表。如果丢失,则从 |
细节
使用 Kohonen(1995,第 3.14 节)的批量 SOM 算法。
值
带有组件的 "SOM"
类的对象
grid |
网格,类 |
codes |
代表矩阵。 |
例子
require(graphics)
data(crabs, package = "MASS")
lcrabs <- log(crabs[, 4:8])
crabs.grp <- factor(c("B", "b", "O", "o")[rep(1:4, rep(50,4))])
gr <- somgrid(topo = "hexagonal")
crabs.som <- batchSOM(lcrabs, gr, c(4, 4, 2, 2, 1, 1, 1, 0, 0))
plot(crabs.som)
bins <- as.numeric(knn1(crabs.som$codes, lcrabs, 0:47))
plot(crabs.som$grid, type = "n")
symbols(crabs.som$grid$pts[, 1], crabs.som$grid$pts[, 2],
circles = rep(0.4, 48), inches = FALSE, add = TRUE)
text(crabs.som$grid$pts[bins, ] + rnorm(400, 0, 0.1),
as.character(crabs.grp))
参考
Kohonen, T. (1995) Self-Organizing Maps. Springer-Verlag.
Ripley, B. D. (1996) Pattern Recognition and Neural Networks. Cambridge.
Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.
也可以看看
相关用法
- R lvq1 学习矢量量化1
- R lvq2 学习矢量量化2.1
- R lvq3 学习矢量量化 3
- R knn.cv k 最近邻交叉验证分类
- R olvq1 优化学习矢量量化1
- R knn1 1-最近邻分类
- R SOM 自组织映射:在线算法
- R condense k-NN 分类器的压缩训练集
- R multiedit k-NN 分类器的多重编辑
- R lvqinit 初始化LVQ码本
- R knn k-最近邻分类
- R somgrid 绘制 SOM 拟合图
- R lvqtest 从 LVQ 码本对测试集进行分类
- R reduce.nn 减少 k-NN 分类器的训练集
- R summary.clara “clara”对象的摘要方法
- R diana 分裂分析聚类
- R pluton 钚同位素成分批次
- R votes.repub 总统选举中共和党候选人的投票
- R agnes 凝聚嵌套(层次聚类)
- R print.mona MONA 对象的打印方法
- R print.clara CLARA 对象的打印方法
- R mona 二元变量的单论分析聚类
- R plot.diana 分裂层次聚类图
- R plot.mona 一元分裂层次聚类的旗帜
- R bannerplot 绘图横幅(层次聚类)
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Self-Organizing Maps: Batch Algorithm。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。