自组织地图与k-means
自组织地图（Self-Organizing Map，简称SOM）是一种无监督学习算法，用于将高维数据映射到低维空间中，并且能够保留数据间的拓扑关系。自组织地图的核心思想是将数据映射到一个网格状的低维空间中，每个网格代表一个数据类别，通过迭代更新网格的位置来逐渐优化数据的分类结果。
与k-means聚类算法相比，k-means是一种基于距离的聚类算法，通过计算样本之间的距离来确定聚类中心，并不考虑数据间的拓扑关系。而自组织地图则是通过映射到低维空间中的位置来确定数据类别，因此能够更好地处理高维数据的复杂性。
自组织地图的优势在于能够处理高维数据，并且能够自动发现数据中的拓扑结构。应用场景包括图像分类、模式识别、数据挖掘等领域。
推荐的腾讯云相关产品是腾讯云智能客服，可以通过自然语言处理技术实现智能客服，提高客户满意度。腾讯云智能客服的产品介绍链接地址为：https://cloud.tencent.com/product/tbp。
相关·内容
3回答
自组织映射(SOM)中的降维问题
data-mining、neural-network、self-organizing-maps
自组织映射声称能够在较小的维度空间上可视化/聚类高维数据。我在理解这句话时有一些困难。
考虑六维数据集，码本向量/参考向量也是六维的。根据SOM算法，这些参考向量的更新也是在六维向量空间中进行的。如果我们考虑的是二维地图，我应该如何理解六维数据空间和二维地图空间之间的映射？
浏览 5提问于2011-11-15得票数 2
回答已采纳
3回答
根据内容相似度在网格中排列文档
python、hash、machine-learning、data-mining、document-classification
如何在一个空间(比如多个网格)中排列文档，以使它们所处的位置包含有关它们与其他文档相似程度的信息。我研究了K-means聚类，但如果数据很大，它会有一点计算密集型。我正在寻找类似于散列文档内容的东西，以便它们可以容纳在大空间中，并且相似的文档将具有类似的散列，并且它们之间的距离将会很小。在这种情况下，很容易找到与给定文档相似的文档，而不需要做太多额外的工作。
结果可能类似于下面的图片。在这种情况下，音乐文档接近胶片文档，但远离与计算机相关的文档。这个盒子可以被认为是文档的整个世界。
任何帮助都将不胜感激。
谢谢
jvc007
浏览 1提问于2013-04-19得票数 1
回答已采纳
2回答
为什么UMAP与其他聚类算法结合使用？
clustering、unsupervised-learning、dbscan、umap
我注意到UMAP经常与其他聚类算法结合使用，例如K-means、DBSCAN、HDBSCAN。然而，据我所理解，UMAP可以用于集群任务。那么，为什么我注意到人们主要把它作为一种降维技术呢？
这里是我所说的一个例子：https://medium.com/grabngoinfo/topic-modeling-with-deep-learning-using-python-bertopic-cf91f5676504
我是不是出什么问题了？UMAP可以单独用于集群任务吗？将它与其他聚类算法结合使用有什么好处？
浏览 0提问于2023-03-29得票数 0
回答已采纳
3回答
如何对时间序列数据执行K-means聚类？
matlab、time-series、cluster-analysis、data-mining、k-means
如何对时间序列数据进行K-means聚类？当输入数据是一组点时，我知道这是如何工作的，但我不知道如何对具有1XM的时间序列进行聚类，其中M是数据长度。特别是，我不确定如何更新时间序列数据的聚类均值。
我有一组标记的时间序列，我想使用K-means算法来检查我是否会得到类似的标签。我的X矩阵将是N×M，其中N是时间序列的数量，M是上面提到的数据长度。
有人知道怎么做吗？例如，如何修改以使其适用于时间序列数据？此外，除了欧几里德距离之外，我还希望能够使用不同的距离度量。
为了更好地说明我的疑问，下面是我为时间序列数据修改的代码：
% Check if second input is centro
浏览 339提问于2010-08-17得票数 20
1回答
解译自组织图
machine-learning、neural-network、som
我一直在阅读关于自组织地图，我理解算法(我认为)，但我仍然没有什么东西。
你是如何理解受过训练的网络的？
那么，您将如何实际使用它来进行分类任务(一旦您使用您的培训数据完成了聚类)？
我找到的所有材料(印刷和数字)都集中在算法的训练上。我想我可能错过了一些重要的东西。
问候
浏览 3提问于2013-08-14得票数 14
回答已采纳
1回答
K-means聚类不是围绕质心进行分组
python、pandas、k-means
我是ML和pandas/scipy的新手，所以请耐心听我说。我正在尝试使用sklearn.cluster KMEANS模块运行K-means聚类，但我没有从聚类中获得预期的结果。 我正在处理的数据集是一个64x6830的基因组数据矩阵。行是特定的癌细胞系，列是表达值。 我标准化了数据，使标准差为1，平均值为0。 在dataframe中，数据如下所示： 0 1 2 3 4 5 \
Cancer Types
浏览 19提问于2021-10-04得票数 0
回答已采纳
1回答
我能把聚类算法应用于流形可视化方法的结果吗？
clustering、visualization、dimensionality-reduction、tsne、manifold
一些与流形学习有关的方法通常被认为是很好的可视化方法，如T和自组织映射(SOM).
我明白，当具体提到“可视化”时，意味着非线性维数约简可以很好地洞察其低维投影中的数据，但最常见的是，这种低维投影不能用于机器学习算法，因为高维结构的一些信息丢失了(粗略)。
然而，这里的问题是，如果在可视化中观察到“集群”，那么将聚类算法应用于低维转换数据并分别分析集群或组是可以接受的吗？
例如，我将T应用于相当高维度的数据(40个特性)，并获得以下表示：
📷
不考虑图片中观察到的颜色，我想应用一个聚类算法，将数据从找到的集群中分离出来(比如6或7个集群)，然后使用每个点的高维表示来分析每个集群的特性。
这是综
浏览 0提问于2016-03-31得票数 4
2回答
K-均值聚类-带有额外变量
python、math、scikit-learn、k-means
我正在做一个k-means聚类，有固定数量的组，有几个地理经度/经度点。这个基本的集群工作得很好。
但我还有另一个变量(每个点一个)，我希望k-means聚类能够说明这一点。这是不是有可能呢？
聚类数据可能如下所示：
Lat: [1.23, 2.12, 3.65, 4.32, 5.63, 5.43]
Lon: [1.43, 2.43, 3.76, 4.43, 5.25, 1.75]
Extra variable: [20, 20, 10, 10, 10, 10]
如果我想把上面的数据分成两组，并且每组额外变量的总和不能超过40，我该怎么做呢？(如果可能的话-我对k-means的理解是相当基础的
浏览 0提问于2019-09-18得票数 0
2回答
极高维空间上的t-SNE
pca、tsne
我成功地将the应用于数字手写数据集.n=3823空间中的D=64数据点(即手写数字)(即8x8像素)。效果很好。
现在我想把n个≈60个数据点聚集在一个D≈3000维空间中。即使经过多次迭代，than交易会也比PCA糟糕得多。
对于不建议使用there的维度数(相对于数据点的数目)是否有上限？
浏览 0提问于2019-01-08得票数 3
2回答
高维向量的最佳聚类算法
python、machine-learning、cluster-analysis
我正在尝试对一组45维的数据点向量使用某种聚类方法。我对数据点的聚类比较陌生，我想知道是否有人能指出合适的方法来使用？我曾尝试使用K-Means聚类，但我想知道我的数据的维度是否太大了？
浏览 1提问于2019-05-29得票数 1
2回答
可用的无监督分类方法
machine-learning、svm
我正在做一个涉及“无监督分类”的研究。基本上，我有一个trainSet，我想以无监督的方式在X个类中聚类数据。Idea类似于k-means做的事情。
比方说
Step1) featureSet是一个1057x10的矩阵，我想把它们分成88个集群。
Step2)使用先前计算的类来计算如何对testData进行分类
问题-Is是否可以使用支持向量机或N-N？还有别的吗？-Any其他推荐吗？
浏览 0提问于2009-11-18得票数 2
回答已采纳
2回答
我应该使用哪种集群技术？
artificial-intelligence、categorization
我有一个数据矩阵，如下所示。
user access matrix..each行代表用户，每一列代表该用户访问的页面类别。
0 8 1 0 0 8 0 0 0 0 0 0 0 11 2 2 0
1 0 7 0 0 0 0 0 1 1 0 0 0 0 0 0 1
1 0 1 1 0 0 0 0 0 1 0 0 0 1
浏览 2提问于2014-05-07得票数 0
3回答
如何在python中使用k-prototype查找最优聚类数
python、cluster-analysis
我正在尝试使用k-prototypes算法对一些大数据进行聚类。我无法使用K-Means算法，因为我既有分类数据也有数字数据。通过k原型聚类方法，如果我定义了我想要的k值，我就能够创建聚类。
如何找到适用于此的群集数量？
只有数字数据的流行方法(如弯曲法和轮廓记分法)是否适用于混合数据？
浏览 0提问于2018-03-08得票数 2
1回答
基于密度的集群，允许用户指定集群数量
r、cluster-analysis、dbscan
我有一个二维图上由大约100,000个点组成的数据。每个点都有X和Y坐标。我正在寻找一种算法，可以根据密度对这些点进行聚类，但我想指定聚类的数量。 我最初尝试了K-Means，因为这将允许我指定聚类的数量。然而，我的数据自然地“聚集”成脊状。K-Means将不可避免地将这些脊线一分为二。由于我的数据的形状，DBSCAN看起来更适合，但是使用DBSCAN我不能指定我想要的集群数量。 本质上，我试图寻找的是一种算法，该算法将基于密度将图最佳地聚类为N组。其中N由我提供。在这一点上，我并不关心它是在哪里实现的(R，Python，FORTRAN...)。 您能提供的任何方向都将不胜感激。
浏览 24提问于2020-09-16得票数 0
回答已采纳
3回答
选择正确的数据挖掘方法来查找每个参数对目标的影响
data-mining、classification、r、svm、categorical-data
我现在正在处理大量的分类数据，我想在任何工具最好是R中使用适当的数据挖掘方法来查找每个参数范畴参数对我的目标变量的影响。为了简单介绍正在处理的数据，我的目标变量表示产品类型比方说，可处置和非处置，而我有诸如根源、症状、客户名称、产品名称等参数。由于我的目标可以被认为是一个二进制值，所以我尝试使用Apriori找到导致所需类别的值的组合，但是，我在该属性中有两个以上的类别，我想全部使用它们，并找出上述参数对每个类别的影响。我真的很想尝试支持向量机，并使用超平面来分离内容并获得n维视图。但是，我没有足够的知识来验证该技术，功能是用来做分析的。目前，我有大约9000条记录，每条记录都代表用户的投诉。
浏览 0提问于2014-11-14得票数 2
回答已采纳
1回答
基于无监督降维的模糊聚类方法
machine-learning、scikit-learn、cluster-analysis、dimensionality-reduction
无监督降维算法以矩阵NxC1为输入，其中N是输入向量的个数，C1是每个向量的分量数(向量的维数)。因此，它返回一个新的矩阵NxC2 (C2 < C1)，其中每个向量的分量较少。
模糊聚类算法以矩阵N*C1为输入矩阵，其中N是输入向量的个数，C1是每个向量的分量数。因此，它返回一个新的矩阵NxC2 (C2通常低于C1)，其中每个向量的每个分量都指示向量属于相应的簇的程度。
我注意到，这两类算法的输入和输出在结构上是相同的，只是对结果的解释发生了变化。此外，在scikit-learn中没有模糊聚类实现，因此出现了以下问题：
使用降维算法进行模糊聚类有意义吗？例如，将或应用于从文本数据中提取的
浏览 2提问于2015-10-13得票数 3
回答已采纳
1回答
二维降维算法有什么好处？
dimensionality-reduction、tsne
在我看来，the和其他降维算法主要是为了获得数据集的印象而将维数降为二维。如果做得好，它们看起来不错(例如，像这样)，但我想知道这是否比在网格上按类显示随机图像/分组更好。
我想从以下几个方面得到答复：
为什么t-SNE*比随机(可能是分层的)数据样本更好？
为什么t-SNE*比仅仅用一个2神经元瓶颈来拟合一个神经网络，然后取两个神经元的归一化值进行嵌入更好呢？
有什么保证吗？
t-SNE*有利于分类器的构建吗？我的意思是:如果你已经有了一个比随机/猜测最频繁的类要好得多的分类器，那么than能帮助你做更好的分类器吗？多么?
有多维降维算法。如何比较非线性的？什么时候一种算法比其他算法更好？尤
浏览 0提问于2017-03-29得票数 2
1回答
在分类/聚类任务中将文本值更改为int
r、dataframe、cluster-analysis、data-manipulation
有一个任务是用数据集在R中进行聚类，其中包含分类文本值(如“蓝色”、“红色”)。虽然k-means算法只接受数值，因此我需要将文本类别转换为int类别。有没有1行代码的解决方案？或者是其他的？ Attribute1 Attribute2 Attribute1 Attribute2
Instance1 "blue" "red" => Instance1 1 2
Instance2 "green" "blue&#
浏览 20提问于2020-01-21得票数 0
1回答
高维聚类+一些基本内容
algorithm、cluster-analysis、bigdata、dimension
我研究支持向量机(，SVM)已经有一段时间了，最近我开始阅读关于聚类的文章。在使用支持向量机时，我们不需要担心数据的维数大小，但是在聚类中，由于“维数的诅咒”，尺寸大小是个大问题。此外，稀疏性和数据大小对您选择的聚类算法也有很大的影响。所以我有点理解聚类没有“最佳算法”，这完全取决于数据的性质。
话虽如此，我还是想问一些关于集群的基本问题。
当人们说“高维”时，具体是什么意思？100 d是高维数吗？还是这取决于您拥有的数据类型？
我在这个网站上看到了这样的答案：“在100维的数据上使用k-表示是非常常见的”，如果这是真的，那么对于使用与k-均值相同的距离度量的其他聚类算法来说，这是否成
浏览 3提问于2014-04-30得票数 3
回答已采纳
5回答
高维数据聚类
c#、algorithm、cluster-analysis、data-mining
为了对超过100维(有时甚至1000维)的数据进行聚类，最好的聚类算法是什么？如果你知道任何C，C++，尤其是C#的实现，我将不胜感激。
浏览 1提问于2011-11-20得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
