R lvq2 學習矢量量化2.1

說明

移動碼本中的示例以更好地表示訓練集。

用法

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

參數

x	示例矩陣或 DataFrame
cl	示例的分類向量或因子
codebk	密碼本
niter	迭代次數
alpha	訓練常數
win	兩個最近向量的接近度的容差。

細節

隨機選擇niter示例進行替換，如果一個正確，另一個不正確，則調整碼本中最近的兩個示例。

值

代碼本，表示為包含組件 x 和 cl 的列表，給出示例和類。

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)

參考

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