如何解决错误：存储错误。mode(X)<；-"；Double&Quot；：'；List'；对象不能强制为类型'；Double'；
您好，我正在尝试运行SOM和KMeans分析。 但是我解不出来，因为有一个错误代码。 storage.mode(X)<；-"；DOUBLE&QOOT；中出错：无法将‘LIST’对象强制为类型‘DOUBLE’ 如何解决此问题？ cdata
..
som相关内容
在 R 中绘制 Kohonen 地图时出错?
我正在阅读关于 R-bloggers 的这篇博文，但我对代码的最后一部分感到困惑，无法弄清楚. http://www.r-bloggers.com/self-organising-maps-for-customer-segmentation-using-r/ 我试图用我自己的数据重新创建它.我有 5 个变量遵循 2755 点的指数分布. 我很好，可以绘制它生成的地图: plot
..
识别SOM中的集群（自组织图）
一旦我在SOM中收集并组织了数据，如何识别集群？ （项目使用许多特征进行汇总和聚集-最多10个） p> 具体地说，我想找到群集的“中心”，因此给了我“中心”节点。 解决方案 您可以使用相对较小的映射并将每个节点视为一个群集，但这远非最佳选择。如果您想应用自动的群集检测方法，则应绝对阅读 自组织地图的聚类 并搜索类似的书目。 您还可以使用更复杂的SOM算法版本（
..
如何通过SOM从受过训练的数据中绘制U矩阵，命中样本和输入平面
我已经在MATLAB中编写了一个简单的SOM算法.我的最大挑战是，如何以U矩阵，样本匹配和组件/输入平面的格式可视化/绘制数据?这三个图存在于MATLAB的SOM工具箱中.但是问题是我无法调用它们来通过我的书面代码可视化我的数据.因为他们需要一个"net"作为输入，而我的代码中却没有任何"net". 有什么指导吗? 解决方案 您可以创建自己的函数，因为它们不太复杂.我将假设SOM为2
..
R包Kohonen-如何在Matlab SOM工具箱中绘制六边形而不是圆形?
是否可以绘制带有六边形的SOM贴图(包装Kohonen) 作为基本形式而不是圆形?现在不同的情节 (计数，更改等)绘制为带有白色周围环境的圆圈. 目标是创建类似于Matlab SOM Toolbox的SOM视觉效果. 此讨论表明2010年不可能进行六边形绘图. > 解决方案 我没有足够的声誉来评论@NBremer的答案.我扩展了上面的代码，以允许可视化大型组件平面和u矩阵，以从R"
..
MATLAB中的自组织映射(SOM)问题
我有一个包含数据的文本文件. 我的文本文件: young, myopic, no, reduced, no young, myopic, no, normal, soft young, myopic, yes, reduced, no young, myopic, yes, normal, hard young, hyperopia, no, reduced, no young, hyper
..
R教程中的Kohonen SOM映射
我只是在寻找一个好的教程，它将引导我逐步了解如何在R中创建SOM.我正在阅读Kohonen和Kaski的有关使用地图识别福利结构的论文，并想尝试这种技术. 我认为R中的许多示例有很多不足之处.我浏览了网上，却没有发现我认为使该过程易于理解的任何内容. 我们将不胜感激. 解决方案 一些指针: SOM包 Kohonen软件包 大多数与SOM相关的软件包都来自化学计量学
..
(批量)SOM(自组织图，又名"Kohonen地图")的收敛标准?
我希望在Batch SOM收敛时停止执行. 我可以使用什么误差函数来确定收敛性? 解决方案 在谈论SOM的收敛时，对于给定的映射大小(nxm)，您想知道算法是否已经进行了足够的迭代以确保映射是“稳定的".宽松地说，这意味着如果对地图进行多次重新训练，是否会将地图的新输入(观察)置于相同的神经元/密码本向量上?每次都接受培训，只要集群仍以稳定的方式排列，就可以了. 为帮助回答是否已运行
..
在SOM中对数据和/或权重向量进行归一化是否正确?
所以，我被(应该)很简单的东西所困扰: 我已经为简单的“播放"二维数据集编写了SOM.数据如下: 您可以自己找出3个群集. 现在，有两件事使我感到困惑.首先是我拥有的教程在SOM对其进行处理之前将数据标准化.这意味着，它将每个数据向量标准化为长度为1.(欧几里得范数).如果我这样做，那么数据将如下所示: (这是因为所有数据都已投影到单位圆上). 所以，我的问题如下:
..
如何制作U矩阵?
为了可视化自组织映射?更具体地说，假设我有一个3x3节点的输出网格(已经训练过)，如何从中构造一个U矩阵?您可以例如假设神经元(和输入)的维数为4. 我在网上找到了几种资源，但是它们不清楚或矛盾.例如，原始纸充满了错字. 解决方案 U矩阵是输入数据维度空间中神经元之间距离的直观表示.即，您使用相邻神经元的训练向量来计算它们之间的距离.如果您输入的维数为4，则经过训练的映射中的每个神经
..
MATLAB:自组织地图(SOM)集群
我正在尝试根据身体部位之间的角度对一些图像进行聚类. 从每张图像中提取的特征是: angle1 : torso - torso angle2 : torso - upper left arm .. angle10: torso - lower right foot 因此，输入数据是大小为1057x10的矩阵，其中1057表示图像数，而10表示身体部位与躯干的角度. 同样，testS
..
解释自组织图
我一直在阅读有关自组织图的知识，我理解算法(我认为)，但是仍然有些事情使我难以理解. 您如何解释受过训练的网络? 然后您将如何实际使用它来进行分类任务(一旦完成训练数据的聚类)? 我似乎发现的所有材料(印刷版和数字版)都集中在算法的训练上.我相信我可能会错过一些关键的东西. 致谢 解决方案 SOM主要是降维算法，而不是分类工具.它们用于降维，就像PCA和类似方法一样
..
SOM(自组织图)和K-Means有什么区别?
stackoverflow中只有一个与此相关的问题，更多的是哪个更好.我只是真的不明白区别.我的意思是，它们都使用向量，它们被随机分配给聚类，它们都使用不同聚类的质心来确定获胜的输出节点.我的意思是，区别到底在哪里? 解决方案 在K均值中，节点(质心)彼此独立.获胜的节点有机会适应每个自我，并且只有那样.在SOM中，将节点(质心)放置在网格上，因此每个节点都被视为具有一些邻居，这些邻居与节
..