Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 사이킷런
- fastapi #파이썬웹개발
- chatGPT
- NLP
- 파이썬
- OpenAIAPI
- 자연어분석
- 파이토치
- pandas
- 판다스
- 딥러닝
- 랭체인
- 파이토치기본
- python 정렬
- 챗gpt
- fastapi
- HTML
- 머신러닝
- deeplearning
- langchain
- programmablesearchengine
- 비지도학습
- fastapi #python웹개발
- Python
- konlpy
- MachineLearning
- pytorch
- sklearn
- 판다스 데이터정렬
- 파이썬웹개발
Archives
- Today
- Total
목록kohonen 패키지 (1)
Data Navigator
R을 이용한 머신러닝 - SOM(Self Organizing Map) 분석
1. R에서 SOM(Self Organizing Map) 분석 하기 SOM에는 오직 숫자형 데이터만 입력할 수 있으며 모델 파라미터는 거리 함수 (보통의 경우, 유클리드 거리 사용), 그리고 격자 또는 래티스(lattice), 파라미트(폭과 높이 또는 래티스에 존재하는 셀의 수) 등을 사용 ① 경쟁 단계 : 이 단계의 각 뉴런의 가중치와 입력 데이터의 벡터간의 거리를 산출 및 비교하여 뉴런간에 경쟁#### 입력 데이터의 할당 여부를 결정할 때, 입력 데이터와 거리가 가까운 뉴런들을 선정 ② 협력 단계: 경쟁에서 선정한 뉴런은 토폴로지 이웃(Topological neighborhood) 영역에서 가장 좋은 공간 위치를 차지하게 된다. ③ 적응 단계: 이 단계에서는 승리한 뉴런의 가중치와 토폴로지 이웃 뉴런..
R
2021. 1. 5. 22:28