26、自组织映射（Self-Organizing Maps）全解析

自组织映射（Self-Organizing Maps）全解析

1. 自组织映射基础

自组织映射（Self-Organizing Maps，SOM）是一种强大的机器学习算法。在scikit-learn中，有内置的自组织映射包 sklearn-som ，并且有专门的GitHub仓库。自组织映射包有许多参数，具体如下表所示：
| 参数 | 数据类型 | 描述 |
| — | — | — |
| M | 整数 | 自组织映射垂直维度的形状 |
| N | 整数 | 自组织映射水平维度的形状 |
| Lr | 浮点数 | 用于更新自组织映射权重的初始步长 |
| Dim | 整数 | 输入空间的特征数量（即维度） |
| Sigma | 浮点数 | 每个权重变化幅度的可选参数 |
| Max_iter | 整数 | 最大训练迭代次数的可选参数 |
| Random_state | 整数 | 用于权重初始化的伪随机数生成器的可选种子 |

此外，还有一些常用的函数：
- fit ：将自组织映射拟合到提供的数据。
- predict ：预测数据集中每个元素的聚类。
- transform ：将数据转换为聚类 - 距离空间。
- fit_predict ：先调用 fit ，再调用 predict 。
- fit_transform ：先调用 <