自组织地图“错误”

Question

正如我们从K-Means知道的那样，样本数据聚集在N个聚类中（每个聚类都有一个质心向量）并非所有数据都聚集在它们所属的聚类中！我的意思是一些数据向量可能聚集在错误的集群中。这意味着即使在K-Means中，聚类时也没有100％的精度。我想知道在SOM算法中是否也会发生这样的“错误”。 所以...在SOM算法收敛之后，是否有任何数据样本不属于它们实际放置的节点？

我希望我的问题很清楚。我期待着你的回答。

Answer 1

SOM根据显示的输入对数据进行聚类。群集的形成取决于输入呈现给网络的方式。

SOM通过最小化地图点阵中的获胜节点与实际输入向量之间的距离，然后对近邻中的权重进行调整来对输入进行聚类。因此，属于单个类的输入会映射到形成集群的同一位置。

因此，当算法收敛时，除非在以下场景中，否则不太可能发生这种情况

1. 没有足够的数据点来训练网络
2. 使用学习率的价值不合适
3. SOM正确聚类，我们没有看到聚类中的常见（隐藏）功能，并且倾向于认为聚类中存在错误（发生在我身上很多次）。

我不是SOM的专家，而是从经验中回答。希望这会有所帮助。