• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Computing & Applications >Visualization and clustering of categorical data with probabilistic self-organizing map
【24h】

Visualization and clustering of categorical data with probabilistic self-organizing map

机译：带有概率自组织图的分类数据的可视化和聚类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper introduces a self-organizing map dedicated to clustering, analysis and visualization of categorical data. Usually, when dealing with categorical data, topological maps use an encoding stage: categorical data are changed into numerical vectors and traditional numerical algorithms (SOM) are run. In the present paper, we propose a novel probabilistic formalism of Kohonen map dedicated to categorical data where neurons are represented by probability tables. We do not need to use any coding to encode variables. We evaluate the effectiveness of our model in four examples using real data. Our experiments show that our model provides a good quality of results when dealing with categorical data.
机译：本文介绍了一种自组织图，专门用于分类数据的聚类，分析和可视化。通常，在处理分类数据时，拓扑图使用编码阶段：将分类数据更改为数值向量，然后运行传统的数值算法（SOM）。在本文中，我们提出了一种新的Kohonen映射的概率形式主义，该映射用于分类数据，其中神经元由概率表表示。我们不需要使用任何编码来编码变量。我们使用真实数据在四个示例中评估了模型的有效性。我们的实验表明，我们的模型在处理分类数据时可提供良好的结果质量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号