R lvq2 学习矢量量化2.1

说明

移动码本中的示例以更好地表示训练集。

用法

lvq2(x, cl, codebk, niter = 100 * nrow(codebk$x), alpha = 0.03,
     win = 0.3)

参数

x	示例矩阵或 DataFrame
cl	示例的分类向量或因子
codebk	密码本
niter	迭代次数
alpha	训练常数
win	两个最近向量的接近度的容差。

细节

随机选择niter示例进行替换，如果一个正确，另一个不正确，则调整码本中最近的两个示例。

值

代码本，表示为包含组件 x 和 cl 的列表，给出示例和类。

例子

train <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
cl <- factor(c(rep("s",25), rep("c",25), rep("v",25)))
cd <- lvqinit(train, cl, 10)
lvqtest(cd, train)
cd0 <- olvq1(train, cl, cd)
lvqtest(cd0, train)
cd2 <- lvq2(train, cl, cd0)
lvqtest(cd2, train)

参考

Kohonen, T. (1990) The self-organizing map. Proc. IEEE 78, 1464-1480.

Kohonen, T. (1995) Self-Organizing Maps. Springer, Berlin.

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

lvqinit , lvq1 , olvq1 , lvq3 , lvqtest