自己組織化マップとカーネルk平均法

アプリケーションの場合は、データ（潜在的に高次元）をクラスター化し、クラスターに属する確率を抽出します。現時点では、自己組織化マップまたはカーネルk-meansを使用して作業を行うことを検討しています。このタスクの各分類子の長所と短所は何ですか？この場合にパフォーマンスを発揮する可能性のある他のクラスタリングアルゴリズムがありませんか？

これは興味深い質問になる可能性があります。クラスタリングアルゴリズムは、データのトポロジーとそのデータで何を探しているかに応じて、「適切」または「適切ではない」ことを実行します。theクラスタに何を表現させたいですか？残念ながらカーネルk-meansやSOMが含まれていない図を添付しましたが、手法間の重大な違いを理解するには非常に価値があると思います。「長所」と「短所」を測定するために掘り下げる前に、おそらくこれを質問して自分に応答する必要があります。

これが画像のソースです。