R語言kohonen包主要函數介紹

2020 年 4 月 20 日
筆記
R集

最近準備寫一篇關於自組織映射 (Self-organizing map)的文章。SOM的程式碼很多，研究了一圈之後目前使用最順手的是R語言的kohonen包。

這個kohonen包功能很豐富，但是介面不是特別合理。R語言包大部分是統計學家寫的，功能強大，數學上嚴謹，但是不怎麼考慮程式碼的規範和簡潔。

kohonen最重要的四個函數：

som
xyf
supersom
somgrid

這個命名的隨意性容易讓程式設計師抓狂。簡單說，som和xyf是supersom的封裝版本，分別對應單層SOM和雙層SOM，如果是兩層以上的多層SOM，必須使用supersom。這裡需要注意一下函數的輸入參數。

主要函數

som(X,...)
xyf(X, Y, ...)
supersom(data, grid=somgrid(), rlen = 100, alpha = c(0.05, 0.01),
         radius = quantile(nhbrdist, 2/3), 
         whatmap = NULL, user.weights = 1, maxNA.fraction = 0L,
         keep.data = TRUE, dist.fcts = NULL,
         mode = c("online", "batch", "pbatch"), cores = -1, init,
         normalizeDataLayers = TRUE)

som中的參數X是輸入的數據集，可以是矩陣，不能是data frame。需要注意，xyf中的X和Y都是輸入的數據集，並不是指輸入和輸出。xyf用於雙層SOM，所以X和Y分別對應各自的Layer層。

supersom中的data參數應對輸入的資料庫，如果是多層SOM，data是一個列表list，每個元素都是一個資料庫。

`somgrid`函數

主要函數中，除了數據集以外，另外主要參數是somgrid()函數，用於建立SOM網路。其他參數可以使用默認值，但是somgrid()必須給定。

somgrid(xdim = 8, ydim = 6, topo = c("rectangular", "hexagonal"),
        neighbourhood.fct = c("bubble", "gaussian"), toroidal = FALSE)

xdim，ydim和topo是SOM網路的最基本拓撲資訊，包括網路大小和拓撲形狀。 neighbourhood.fct是鄰域函數，可以選高斯函數和「泡泡」bubble函數。高斯函數和bubble函數的區別會在另一篇文章中詳細介紹。toroidal函數設置為TRUE可以把默認的SOM拓撲圖變成環形。此時的SOM拓撲相當於是把環形切割後並展開。toroidal的作用看情況，它主要改變的是SOM的拓撲關係，對訓練結果本身並沒有影響。

可視化

plot(x, type = c("codes", "changes", "counts",
                       "dist.neighbours", "mapping", "property", "quality"),
                       whatmap = NULL, classif = NULL, labels = NULL,
                       pchs = NULL, main = NULL, palette.name = NULL,
                       ncolors, bgcol = NULL, zlim = NULL,
                       heatkey = TRUE, property, codeRendering = NULL,
                       keepMargins = FALSE, heatkeywidth = .2,
                       shape = c("round", "straight"), border = "black",
                       na.color = "gray", …)

SOM會調用系統的plot函數，x是訓練好的SOM，type是畫圖類型，比如

changes：訓練過程中the mean distance to the closest codebook vector
codes：SOM中的codebook vector
counts：SOM中每個單元對應的sample數量

實際使用中，習慣把counts圖中的顏色反過來，即越深的單元表示上面的sample越多。

Tags: R集