R語言
batchSOM
位於 class
包(package)。 說明
Kohonen 的Self-Organizing Map是多維縮放的粗略形式。
用法
batchSOM(data, grid = somgrid(), radii, init)
參數
data |
觀察值的矩陣或 DataFrame ,經過縮放以使歐幾裏得距離合適。 |
grid |
代表網格:參見 |
radii |
用於每次傳遞的鄰域半徑:為 |
init |
最初的代表。如果丟失,則從 |
細節
使用 Kohonen(1995,第 3.14 節)的批量 SOM 算法。
值
帶有組件的 "SOM"
類的對象
grid |
網格,類 |
codes |
代表矩陣。 |
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))
參考
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
相關用法
- R lvq1 學習矢量量化1
- R lvq2 學習矢量量化2.1
- R lvq3 學習矢量量化 3
- R knn.cv k 最近鄰交叉驗證分類
- R olvq1 優化學習矢量量化1
- R knn1 1-最近鄰分類
- R SOM 自組織映射:在線算法
- R condense k-NN 分類器的壓縮訓練集
- R multiedit k-NN 分類器的多重編輯
- R lvqinit 初始化LVQ碼本
- R knn k-最近鄰分類
- R somgrid 繪製 SOM 擬合圖
- R lvqtest 從 LVQ 碼本對測試集進行分類
- R reduce.nn 減少 k-NN 分類器的訓練集
- R summary.clara “clara”對象的摘要方法
- R diana 分裂分析聚類
- R pluton 鈈同位素成分批次
- R votes.repub 總統選舉中共和黨候選人的投票
- R agnes 凝聚嵌套(層次聚類)
- R print.mona MONA 對象的打印方法
- R print.clara CLARA 對象的打印方法
- R mona 二元變量的單論分析聚類
- R plot.diana 分裂層次聚類圖
- R plot.mona 一元分裂層次聚類的旗幟
- R bannerplot 繪圖橫幅(層次聚類)
注:本文由純淨天空篩選整理自R-devel大神的英文原創作品 Self-Organizing Maps: Batch Algorithm。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。