自己組織化マップ|【多変量解析・統計学・統計解析】
自己組織化マップ
自己組織化マップ(SOM: Self-Organizing Map)は、コホーネン(Kohonen)により提案されたニューラルネットワークアルゴリズムで、高次元データを2次元平面上へ非線形射影するデータ解析方法です。
多次元尺度法、クラスター分析法として用いられています。
自己組織化マップのアルゴリズム
自己組織化マップの基本構造は、入力層と出力層により構成された2層のニューラルネットワークです。出力層は競合層とも呼ばれています。
入力層には分析対象となる個体の変数ベクトル、出力層には複数のユニットがあるとします。
出力層における任意の1つのユニットは、入力層における変数ベクトルのすべてとリンクしています。
初期段階では乱数により各変数との間に重みがつけられます。
SOMの手順
@入力層と出力層のすべてのユニットと比べ、最も類似しているユニットを探し出し、そのユニットを勝者とする
A探し出したユニットおよびその近傍のユニットの重みベクトルを更新する
Bすべての入力ベクトルに対し@−Aを繰り返し実行する
SOMは上記のアルゴリズムにより、多次元空間上の分類対象を2次元平面に射影します。
SOMの結果の出力画面のユニットは、格子状(正方形)、蜂の巣状(六辺形)などが提案されていますが、蜂の巣状が多く用いられています。
蜂の巣状というのは、文字通り蜂の巣のように正六角形のユニットを並べ、出力層の画面を構成します。
出力層の画面は上述のアルゴリズムにより、似ているもの同士を同じユニット、あるいはその近辺のユニットに配置します。
各ユニットの特徴の図示は、星図、エラーバー付きの折れ線、色彩濃淡などソフトによって異なります。
関連記事