← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9843.k · 生成模型:Hunyuan

SOM:无须预设类别数的无监督聚类

理解等级:中级

自组织特征映射网络(SOM,又称 Kohonen 映射)是一种无监督聚类算法,主要用于模式识别。它的生物学依据是:外界信息输入时,大脑皮层相应功能区兴奋,位置相近的神经元具有相近模式,相距远的差别大;这种模式不是先天而是后天自组织形成的,因此人能辨认熟人的面容与声音。SOM 与 KMeans 相似,但关键区别是它不需要预先提供聚类数量,类别数由网络自动识别:把距离小的样本划为同类、距离大的划为异类。要点:适合数据有较强簇结构的场景,效果较好;若分布松散,聚类结果不理想,此时应改用 KMeans。它把拓扑邻近写进了网络结构,是区别于一般聚类的核心。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第6章 神经网络初步 · 查看原书依据

      自组织特征映射神经网络(Self-Organizing Feature Map,也称Kohonen映射),简称为SOM网络,主要用于解决模式识别类的问题。SOM网络属于无监督学习算法,与我们之前讲过的KMeans算法相似。所不同的是,SOM网络不需要预先提供聚类数量,类别的数量由网络自动识别出来。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第6章 神经网络初步(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00022.html) - 结论依据:原文说明 SOM 的生物学依据、属无监督学习、不需预先提供聚类数量,并在结语对比其与 KMeans 的适用条件,支撑上述结论。 - 原始内容:自组织特征映射神经网络(Self-Organizing Feature Map,也称Kohonen映射),简称为SOM网络,主要用于解决模式识别类的问题。SOM网络属于无监督学习算法,与我们之前讲过的KMeans算法相似。所不同的是,SOM网络不需要预先提供聚类数量,类别的数量由网络自动识别出来。