Machine learning 需要一个自组织映射中U矩阵的具体示例吗

我正在尝试开发一个使用SOM分析数据的应用程序。然而，在完成训练后，我找不到一种方法来想象结果。我知道U矩阵是一种方法，但我不能正确理解它。因此，我要求提供一个具体而详细的示例，说明如何构造U矩阵

我也读了一个答案，但它只涉及1行地图，那么3x3地图呢？我知道对于3x3地图：

m(1) m(2) m(3)
m(4) m(5) m(6)
m(7) m(8) m(9)

必须创建5x5矩阵：

u(1)   u(1,2)     u(2)   u(2,3)     u(3)
u(1,4) u(1,2,4,5) u(2,5) u(2,3,5,6) u(3,6)
u(4)   u(4,5)     u(5)   u(5,6)     u(6)
u(4,7) u(4,5,7,8) u(5,8) u(5,6,8,9) u(6,9)
u(7)   u(7,8)     u(8)   u(8,9)     u(9)

但是我不知道如何计算u重量u（1,2,4,5），u（2,3,5,6），u（4,5,7,8）和u（5,6,8,9）

最后，在构建U矩阵后，是否有任何方法可以使用颜色（例如热图）将其可视化

非常感谢您抽出时间

---

干杯

Kohonen地图的基本思想是将数据点映射到 晶格，通常是二维矩形网格

在最简单的实现中，晶格是通过创建三维网格来初始化的 具有以下维度的数组：

width * height * number_features

这是U矩阵

宽度和高度由用户选择；数字功能就是数字 数据中要素（列或字段）的数量

直观地说，这只是创建一个尺寸为w*h的二维网格 （例如，如果w=10，h=10，则晶格有100个单元），然后 在每个单元格中，放置一个随机1D数组（有时称为“引用元组”） 其大小和值受数据约束

引用元组也被称为权重。

U矩阵是如何渲染的

在下面的示例中，数据由rgb元组组成，因此参考元组 长度为3，且三个值中的每个值必须介于0和255之间）

正是这个3D数组（“晶格”）开始了主要的迭代循环 该算法迭代定位每个数据点，使其与其他类似数据点最接近

若你们在一段时间内绘制它（迭代次数），那个么你们可以可视化集群 队形

我在这里使用的绘图工具是brilliant Python库， 直接绘制晶格，只需将其传递到函数中

下面是SOM算法从初始化到700次迭代的八个进度快照。新初始化的（迭代次数=0）晶格在左上面板中呈现；右下面板中的最终迭代结果

或者，您可以使用较低级别的图像库（在Python中，例如PIL）并将引用元组传输到2D网格上，一次传输一个：

for y in range(h):
    for x in range(w):
        img.putpixel( (x, y), (
            SOM.Umatrix[y, x, 0], 
            SOM.Umatrix[y, x, 1], 
            SOM.Umatrix[y, x, 2]) 
        )

这里img是PIL的Image类的一个实例。这里，通过在网格上一次迭代一个像素来创建图像；对于每个像素，在img上调用putpixel三次，这三次调用当然对应于rgb元组中的三个值

---

我不知道您是否仍然对此感兴趣，但我找到了此链接 这非常明确地解释了如何计算U矩阵。 希望能有帮助

顺便说一句，我发现该网站的链接有多个参考SOM的资源。如果有人感兴趣，我将其留在这里：

---

谢谢你的回答，但恐怕它不能直接回答我的问题。我需要了解U-Matrix的工作原理，以便将其应用到我的应用程序中。此外，我的应用程序是用Java开发的，所以我不能使用Python库：）“正是通过这个3D数组（“晶格”）开始主迭代循环，算法迭代地定位每个数据点，以便它与其他类似的数据点最接近。”你能详细介绍一下吗？这正是问题所在。道格：恐怕你把U矩阵和代码本搞混了。绘制的是代码本中的值，即晶格中矢量的RGB表示。u矩阵是不同的，它表示晶格中相邻点之间的“距离”。我认为这些只是第一个数字的欧几里德距离。例如，u（2,3,4,6）表示u（2,3）+u（2,4）+u（2,6），等等。但我不确定，我自己也在试图确定这一点。我在谷歌上找到了你的帖子。你有没有找到解决方案？提供一些示例代码可以增强对

U-Matrix

概念的理解。