Machine learning 更好或替代自组织地图的方法，以获得数据的基本理解/关系

我一直在研究自组织映射的概念，以了解任何类型数据集中变量的关系，并生成一些热图。是否有其他机器学习概念/方法可用于对数据进行探索性分析，并获得变量之间的关系。

没有最佳的技术来可视化数据。但是有很多算法可以让你对数据有不同的看法。SOM属于一类称为非线性降维的技术。给出了26种此类技术的列表

我从您的个人资料中看到您正在使用Python，因此我建议您查看一下。他们实现了相当多的算法。 一个相当流行的算法是，它是在考虑可视化的情况下创建的。有关许多流行数据集的结果，请参见示例部分

---

最后，您不必局限于这类方法。在处理高维数据时，它们确实很好，但如果不是这样，则更简单的方法将很好地工作。任何聚类算法都可以用来进行探索性的数据分析。

没有最好的技术来可视化数据。但是有很多算法可以让你对数据有不同的看法。SOM属于一类称为非线性降维的技术。给出了26种此类技术的列表

我从您的个人资料中看到您正在使用Python，因此我建议您查看一下。他们实现了相当多的算法。 一个相当流行的算法是，它是在考虑可视化的情况下创建的。有关许多流行数据集的结果，请参见示例部分

---

最后，您不必局限于这类方法。在处理高维数据时，它们确实很好，但如果不是这样，则更简单的方法将很好地工作。任何聚类算法都可以用于执行探索性数据分析。

som是一种无监督的学习算法。因此，您可以尝试其他无监督学习算法。寻找其他聚类技术。som是一种无监督的学习算法。因此，您可以尝试其他无监督学习算法。寻找其他集群技术。