som 예제

기후 데이터와 함께 아래 작업에 대한 SOMPY 코드의 모든 수정 사항을 포함하는 리포지토리가 여기에 있습니다. 코드를 실행하는 main.py 스크립트 파일은 https://github.com/hhl60492/SOMPY_robust_clustering/tree/master/sompy/examples. 따라서 3차원 RGB 예제의 경우 “승리” 뉴런이 최소화된 뉴런이 될 것입니다: SOM을 적용하기 전에 주의해야 할 한 가지: 다른 단위로 측정된 변수는 분석의 속도와 정확성을 방해할 수 있습니다. 예를 들어 센티미터단위로 측정된 변수는 미터단위로 측정된 값보다 100배 더 큰 값을 갖습니다. 변수가 다른 변수를 압도하는 것을 방지하기 위해 모든 변수를 표준화해야합니다. 표준화는 백분위수 측면에서 각 변수를 표현하는 것과 유사하며, 이는 동일한 측정 단위가 되도록 균일한 표준 스케일로 이동하는 것을 의미합니다. SOM 의 주체를 가르치는 데 사용되는 일반적인 예는 3차원 구성 요소(빨간색, 녹색 및 파란색)의 색상을 두 차원으로 매핑하는 것입니다. 그림 1은 오른쪽에 표시된 8가지 색상을 인식하도록 훈련된 SOM의 예를 보여 주어 있습니다. 색상은 각 색상 구성 요소에 대해 하나의 차원인 3D 벡터로 네트워크에 표시되었으며 네트워크는 볼 수 있는 2D 공간에서 색상을 표현하는 방법을 배웠습니다. 색상을 서로 다른 영역으로 클러스터링하는 것 외에도 유사한 속성의 영역은 일반적으로 서로 인접한 것으로 나타났습니다. 코호넨 지도의 이 기능은 나중에 발견할 수 있기 때문에 종종 잘 활용됩니다. 아래 코드 예제에 사용된 원래 SOMPY 리포지토리는 여기에서 확인할 수 있습니다. SOMPY는 파이썬을위한 좋은 시작 패키지이지만, R에 유창한 경우 kohonen 패키지를 체크 아웃하면 매우 좋은 시각화 도구가 있습니다 (R용 kohonen 패키지 사용에 대한 자습서는 여기를 참조하십시오).

예를 들어 각 기상 관측소가 맵에 속한 클러스터와 같은 SOM 및 오버레이를 추가로 분석할 수 있습니다(한 가지 방법은 2009-2017년 내내 각 기상 관측소의 데이터를 평균화하는 것이고, 또는 연간 또는 월별 데이터만 S에 대해서만 SOM을 다시 맞추는 것입니다. ee 각각의 연간 및 월별 패턴을 ee. 또한, 불행히도 기상 관측소의 위치에 는 분포 바이어스가 많기 때문에 고려해야 할 다른 기능은 예를 들어 대기압 측정, 레이더 데이터 또는 지리적 편향이 적은 물리적 고도 데이터입니다. 두 개 이상의 차원을 가진 데이터 형식의 한 예는 색상입니다. 색상에는 일반적으로 RGB(빨간색, 녹색, 파란색) 값으로 표시되는 세 가지 차원이 있습니다. 이 예제에서는 SOM이 두 색상 클러스터를 구별하는 방법을 살펴보겠습니다. 당신은 여기에 대화 형 중심지도와 함께 놀 수 있습니다 : https://github.com/hhl60492/SOMPY_robust_clustering/blob/master/sompy/examples/centroids_map.html (컴퓨터에 다운로드하고 브라우저로 열기). SOM의 작동 방식에 대한 시각적 예를 살펴보겠습니다. R의 함께 제공되는 SOM 코드는 GitHub 페이지에 있습니다. 명확성을 위해 간단한 예제를 사용하여 SOM의 작동 방식을 설명합니다.

This entry was posted in Uncategorized. Bookmark the permalink.

Comments are closed.