Kapitel 6: Unüberwachtes Lernen Clustering

SOM: Geometrische Interpretation

• Topologische Beziehung der Clusters bleibt weitgehend bestehen
• Benachbarte Units entsprechen benachbarten Clustern
• Datenraum wird auf die 2-dim. Struktur abgebildet („Karte“)
• Dient zur Visualisierung hochdimensionaler Daten
• 2-dim. Struktur wird in den hochdimensionalen Raum eingepasst - Projektion

• 3x3 SOM

• Vienet2>uebung4.exe; Matlab>demos>2dim. selforganizing map

Beispiel: politische Konflikte

• Daten: Konflikte und Vermittlungsversuche seit 1945 (Bercovitch & Langely 1993)
• 6 Dimensionen:
• Dauer
• Politische Macht A
• Politische Macht B
• Politische Rechte B
• Initiator
• Vermittlunsgerfolg
• 2 dim. Visualisierung

• http://websom.hut.fi

SOM

• Durch schlechte Initaliseriung kann k-means zu sub-otpimalen Lösungen führen (lokales Minimum)
• SOM: durch Mitziehen der Nachbarn wird der Datenraum besser abgedeckt (lokale Minima können vermieden werden)
• Zusätzlich:
• Topologische Beziehung
• Mehr Zentren in Bereichen hoher Dichte