R lvq3 学习矢量量化 3

说明

移动码本中的示例以更好地表示训练集。

用法

lvq3(x, cl, codebk, niter = 100*nrow(codebk$x), alpha = 0.03,
     win = 0.3, epsilon = 0.1)

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。
epsilon	正确向量的移动比例

细节

随机选择niter 示例进行替换，并为每个示例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)
cd3 <- lvq3(train, cl, cd0)
lvqtest(cd3, 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 , lvq2 , lvqtest