关于SOM的问题 about machine-learning_zhouzhihua HOT 5 OPEN

@zhchappy ，嗨！感谢你的留言。

1. 这里是我弄错了（我想到另外的地方去了），应该是n*1，去掉近似研究之类的说法。^_^
   ( ps. 关于pymvpa2搭建SOM-Kohonen层时层节点规模size的设置，可以参考一下官方文档mvpa2.mappers.som.SimpleSOMMapper()中关于参数kshape的介绍：（Shape of the internal Kohonen layer. Currently, only 2D Kohonen layers are supported, although the length of an axis might be set to 1.），意思就是参数格式当前只支持n*m的样子，要求一维则要设置成n*1的样子。)

2. pymvpa2集成了一些简单的可视化，可以看看这里Basic Plotting Utilities，另外也可以结合matplotlib、pylab等包来做。matlab-ToolBox的工具包输出图形是真心nice，如果你在python下搞出类似滴图形，记得@我参考一下哈。

from machine-learning_zhouzhihua.

@PY131 ,谢谢啊。

其实我不需要想Toolbox那么漂亮，我的意思是，怎么能用pymvpa2生成映射结果的数据，比如您例子中，结果：[2,3,2,1,2,1,1,2,1,2]，pymvpa2应该怎么写呢？（我只需要利用结果数据生成线图就够了。）

from machine-learning_zhouzhihua.

@zhchappy , 我更新了一下代码，你可以看看用不用得着。最后显示出了结果灰度图（每条样本的映射结果）。

from machine-learning_zhouzhihua.

@PY131 真的是非常感谢。

但是我还有些关于SOM的问题，
在您的讲解中说了“SOM网络根据优胜邻域进行权值调整”，那公式5.8.2中，尺度系数 σ的初始值是自己设置的么？S是代表的是什么？另外“可采用随迭代次数衰减的学习率”这有点没看懂，您能解释下公式5.8.4中各参数代表什么么？

给您添麻烦了。

from machine-learning_zhouzhihua.

@zhchappy 这里的一些公式的给出参考自Self Organizing Maps: Fundamentals这个课件，上面有相关讲解。

1. 尺度系数 σ是待学习的参数之一（学习的策略即“侧抑制 - 根据优胜邻域进行权值调整”），该参数需要初始化给定，不过诸如pymvpa2这样的包已经内部实现了这些过程啦。

2. S是神经元jk和胜出神经元I的距离。

3. 关于”随迭代次数衰减的学习率”，只是一种加速训练收敛的思路，相关方法如：自适应学习率、动量法、SGD、MSGD等等。

from machine-learning_zhouzhihua.