自己組織化マップ(Self-Organizing Map, SOM)~非線形の可視化・見える化手法、ただ過学習の危険性も高いので注意!~

シェアする

自己組織化マップ(Self-Organizing Map, SOM)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、SOMで何ができるか、RFをどのように計算するか、SOMの特徴・問題点・解決策が説明されています。pdfもスライドも自由にご利用ください

pdfファイルはこちらから、パワーポイント(pptx)ファイルはこちらからダウンロードできます。

興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。

SOMの概要

  • ニューラルネットワークの1つ
  • データを可視化・見える化するための非線形手法
  • 主成分分析などとは異なり、はじめに二次元平面の座標を作ってしまい、それを実際の多次元空間のサンプルに合わせ込むというスタンス
  • オーバーフィッティングを起こしやすいので注意が必要
  • SOMのいろいろな問題点を解決した、上位互換の手法にGenerative Topographic Mapping (GTM) がある
  • GTMに対するSOMのメリットは、手法の説明が簡単、コーディングがしやすい、くらい

スライドのタイトル

  • 自己組織化マップ (SOM) とは?
  • SOMを作る おおまかな流れ
  • こんなデータセットがあるとする
  • 2次元マップのサイズを決める
  • 2次元の各グリッドにニューロンを配置する
  • サンプルとニューロンとの距離を計算する
  • 最も距離の近いニューロンを見つける
  • 勝者ニューロンをサンプルに少し近づける
  • 勝者ニューロンに近いのもサンプルに近づける
  • 二次元マップの学習を繰り返す
  • SOMの特徴
  • SOMの問題点
  • SOMの問題点の解決策

以上です。

質問・コメントがありましたら、twitter・facebook・メールなどを通して教えていただけるとうれしいです。

シェアする

フォローする