多変量分析 > K Meansクラスター分析 > 自己組織化マップ
公開日: 04/01/2021

自己組織化マップ

自己組織化マップ(SOM)はTeuvo Kohonen(19891990)によって開発され、その他のニューラルネット専門家や統計学者によって拡張されてきました。本来の自己組織化マップは、元々のニューラルネットアルゴリズムのような学習プロセスとして構築されましたが、JMPの自己組織化マップは、k-meansクラスター分析の特殊形態に過ぎません。これは、自己組織化マップに関する文献でいう「局所重み付き線形平滑化を行う一括学習型アルゴリズム」に該当します。

自己組織化マップは、ただクラスターを形成するだけではありません。クラスターグリッドを作成し、結果的にグリッド上で近くに位置するクラスターの点が多変量空間においても近くに位置するよう、点を配置します。従来のk-meansクラスター分析では、クラスターの構造が不定でしたが、自己組織化マップのクラスターはグリッド構造を持っています。このグリッド構造は、クラスターを2次元で解釈するときに大変役立ちます。クラスター間の距離が短いほど、それらのクラスターは類似するためです。自己組織化マップのアルゴリズムについてを参照してください。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).