machine-learning - 比自组织 map 更好或替代的方法来获得数据的基本理解/关系

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 2 年前。

Improve this question

我一直在研究自组织 map 的概念，以了解任何类型数据集中的变量/关系并生成一些热图。是否有任何其他机器学习概念/方法可用于对数据进行探索性分析并获得变量之间的关系。

Answer 1

没有“最佳”技术来可视化数据。但存在许多算法可以让您对数据有不同的看法。 SOM 属于一类称为非线性降维的技术。 Wikipedia给出了 26 种此类技术的列表。

我从你的个人资料中看到你正在使用Python，所以我建议你看一下scikit-learn documentation 。他们实现了很多这样的算法。一个相当流行的算法是 t-SNE ，它是在考虑可视化的情况下创建的。请参阅示例部分，了解许多流行数据集的结果。

最后，您不必将自己限制于此类方法。它们在处理高维数据时非常有用，但如果这不是您的情况，那么更简单的方法也可以很好地工作。任何聚类算法都可用于执行探索性数据分析。