多変量分析 > K Meansクラスター分析 > 自己組織化マップ > 自己組織化マップのアルゴリズムについて
公開日: 09/19/2023

自己組織化マップのアルゴリズムについて

「K Meansクラスター分析」プラットフォームの自己組織化マップの処理は、次のように行われます。

最初のクラスターシードは、多次元空間をほぼ網羅する方法で選択します。JMPでは、第2次元までの主成分をもとに、シードを決めます。

次に、この主成分空間にグリッドを配置します。グリッドの一番外側の辺は、各次元で中心から2.5標準偏差だけ離れたところに位置します。このグリッドを元の変数空間に変換し、クラスターのシードを決定します。

k-means法と同じように、各点を最も近いクラスターに割り当てていきます。

k-means法と同じように、各クラスターの平均を計算します。そして、各変数におけるクラスター平均を応答変数、自己組織化マップのグリッド座標を説明変数とした重み付き回帰を行います。重み関数としてカーネル関数を用いており、中心を推定するために用いたクラスターに対して大きな重みを与え、グリッド内で離れたクラスターほど重みは小さくなるようにしています。この回帰による予測値が新しいクラスター平均です。

以上の手順が、処理が収束するまで反復されます。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).