SOM का परिचय
SOM का पूरा नाम Self-Organizing Feature Map (सेल्फ-ऑर्गनाइज़िंग फीचर मैप) है। यह एक न्यूरल नेटवर्क पर आधारित क्लस्टरिंग और डेटा विज़ुअलाइज़ेशन तकनीक है। SOM का मुख्य उद्देश्य डेटासेट में सेंट्रॉयड्स (केंद्र बिंदु) का एक समूह खोजना है और प्रत्येक डेटा ऑब्जेक्ट को उस सेंट्रॉयड से जोड़ना है जो उससे सबसे अधिक निकटता रखता है। न्यूरल नेटवर्क की शब्दावली में इन सेंट्रॉयड्स को रेफरेंस वेक्टर्स कहा जाता है। प्रत्येक सेंट्रॉयड के लिए एक न्यूरॉन होता है।
SOM और K-Means में अंतर
इन्क्रीमेंटल K-Means की तरह, SOM में भी डेटा ऑब्जेक्ट्स को एक-एक करके प्रोसेस किया जाता है और निकटतम सेंट्रॉयड को अपडेट किया जाता है। लेकिन K-Means के विपरीत, SOM सेंट्रॉयड्स पर एक टोपोग्राफिक ऑर्डरिंग (भौगोलिक क्रम) लागू करता है और निकटवर्ती सेंट्रॉयड्स को भी अपडेट करता है। इसके अलावा, SOM किसी ऑब्जेक्ट की हालिया क्लस्टर सदस्यता का रिकॉर्ड नहीं रखता। यदि कोई ऑब्जेक्ट क्लस्टर बदलता है, तो पुराने क्लस्टर के सेंट्रॉयड का कोई विशेष अपडेट नहीं होता।
पुराना क्लस्टर नए क्लस्टर के पड़ोस में हो सकता है और इसलिए उस कारण से अपडेट हो सकता है। पॉइंट्स की प्रोसेसिंग तब तक चलती है जब तक कोई पूर्व-निर्धारित सीमा पूरी न हो जाए या सेंट्रॉयड्स में अधिक परिवर्तन न हो। SOM का अंतिम आउटपुट सेंट्रॉयड्स का एक समूह होता है जो अंतर्निहित रूप से क्लस्टर्स को दर्शाता है। प्रत्येक क्लस्टर में वे पॉइंट्स शामिल होते हैं जो किसी विशिष्ट सेंट्रॉयड के सबसे निकट होते हैं।
SOM की संरचना
प्रत्येक सेंट्रॉयड को निर्देशांक (i, j) की एक जोड़ी दी जाती है। कभी-कभी ऐसे नेटवर्क को आसन्न नोड्स के बीच कनेक्शन के साथ खींचा जाता है, लेकिन यह भ्रामक हो सकता है क्योंकि एक सेंट्रॉयड का दूसरे पर प्रभाव एक पड़ोस है जो निर्देशांकों के संदर्भ में दर्शाया जाता है, लिंक्स के नहीं। SOM न्यूरल नेटवर्क के कई प्रकार हैं, लेकिन यहां हम दो-आयामी SOMs तक सीमित रहेंगे जिनमें सेंट्रॉयड्स की आयताकार या षट्कोणीय व्यवस्था होती है।
टोपोग्राफिक क्रम और प्रशिक्षण
SOM में उपयोग किए जाने वाले सेंट्रॉयड्स का एक पूर्व-निर्धारित टोपोग्राफिक क्रम संबंध होता है। प्रशिक्षण प्रक्रिया के दौरान, SOM प्रत्येक डेटा पॉइंट को निकटतम सेंट्रॉयड और टोपोग्राफिक क्रम में निकटवर्ती सेंट्रॉयड्स को अपडेट करने के लिए उपयोग करता है। इस तरह, SOM किसी भी दिए गए डेटासेट के लिए सेंट्रॉयड्स का एक क्रमबद्ध समूह उत्पन्न करता है।
दूसरे शब्दों में, SOM ग्रिड में एक-दूसरे के निकट स्थित सेंट्रॉयड्स, दूर स्थित सेंट्रॉयड्स की तुलना में एक-दूसरे से अधिक निकटता से संबंधित होते हैं। इस प्रतिबंध के कारण, दो-आयामी SOM के सेंट्रॉयड्स को एक दो-आयामी सतह पर स्थित माना जा सकता है जो n-आयामी डेटा को यथासंभव बेहतर ढंग से फिट करने का प्रयास करती है।
