Visualize Model by SOM

概要

この演算子は、指定されたExampleSetのSOMプロット（任意の次元数を2に変換する）を生成し、指定されたモデルの予測でランドスケープを色付けします。

詳細

SOMによるモデルの視覚化オペレータは、データセットと指定されたモデルの両方のSOMを介した次元削減の助けを借りて、任意のモデルの視覚化を提供します。自己組織化マップ（SOM）または自己組織化機能マップ（SOFM）は、教師なし学習を使用して訓練され、入力空間の低次元（通常は2次元）の離散表現を生成する人工ニューラルネットワークの一種です。マップと呼ばれるトレーニングサンプル。自己組織化マップは、近傍空間関数を使用して入力空間のトポロジ特性を保持するという意味で、他の人工ニューラルネットワークとは異なります。これにより、SOMは、多次元スケーリングに似た高次元データの低次元ビューの視覚化に役立ちます。このモデルは、Teuvo Kohonenによって人工ニューラルネットワークとして最初に記述され、Kohonenマップとも呼ばれます。

入力

サンプル入力（IOObject）この入力ポートには、ExampleSetが必要です。これは、添付のプロセス例のデシジョンツリーオペレータの出力です。他の演算子の出力も入力として使用できます。
モデル（モデル）この入力ポートにはモデルが必要です。これは、添付のプロセス例のデシジョンツリーオペレータの出力です。他の演算子の出力も入力として使用できます。

出力

サンプルセット（IOObject）入力として指定されたExampleSetは、このポートを介して出力に変更せずに渡されます。これは通常、別の演算子で同じExampleSetを再利用するため、または結果ワークスペースでExampleSetを表示するために使用されます。
モデル（モデル）入力として与えられたモデルは、このポートを介して出力に変更されることなく渡されます。これは通常、別の演算子で同じモデルを再利用するため、または結果ワークスペースでモデルを表示するために使用されます。
視覚化（ヌル）SOM視覚化は、このポートを介して返されます。

チュートリアルプロセス

SOMによる決定ツリーの視覚化

「アイリス」データセットは、Retrieve演算子を使用してロードされます。 ExampleSetを見ることができるように、ブレークポイントがここに挿入されます。デシジョンツリー演算子がこのExampleSetに適用され、結果のモデルがSOM演算子によるモデルの視覚化への入力モデルとして提供されます。元のExampleSetも入力として提供されます。 SOMによるモデルの視覚化演算子によって返されるExampleSet、モデル、および視覚化は、出力に接続され、結果ワークスペースで表示できます。