R语言kohonen包主要函数介绍

最近准备写一篇关于自组织映射 (Self-organizing map)的文章。SOM的代码很多，研究了一圈之后目前使用最顺手的是R语言的kohonen包。

这个kohonen包功能很丰富，但是接口不是特别合理。R语言包大部分是统计学家写的，功能强大，数学上严谨，但是不怎么考虑代码的规范和简洁。

kohonen最重要的四个函数：

1. som
2. xyf
3. supersom
4. somgrid

这个命名的随意性容易让程序员抓狂。简单说，som和xyf是supersom的封装版本，分别对应单层SOM和双层SOM，如果是两层以上的多层SOM，必须使用supersom。这里需要注意一下函数的输入参数。

主要函数

som(X,...)
xyf(X, Y, ...)
supersom(data, grid=somgrid(), rlen = 100, alpha = c(0.05, 0.01),
         radius = quantile(nhbrdist, 2/3), 
         whatmap = NULL, user.weights = 1, maxNA.fraction = 0L,
         keep.data = TRUE, dist.fcts = NULL,
         mode = c("online", "batch", "pbatch"), cores = -1, init,
         normalizeDataLayers = TRUE)

som中的参数X是输入的数据集，可以是矩阵，不能是data frame。需要注意，xyf中的X和Y都是输入的数据集，并不是指输入和输出。xyf用于双层SOM，所以X和Y分别对应各自的Layer层。

supersom中的data参数应对输入的数据库，如果是多层SOM，data是一个列表list，每个元素都是一个数据库。

somgrid函数

主要函数中，除了数据集以外，另外主要参数是somgrid()函数，用于建立SOM网络。其他参数可以使用默认值，但是somgrid()必须给定。

somgrid(xdim = 8, ydim = 6, topo = c("rectangular", "hexagonal"),
        neighbourhood.fct = c("bubble", "gaussian"), toroidal = FALSE)

xdim，ydim和topo是SOM网络的最基本拓扑信息，包括网络大小和拓扑形状。 neighbourhood.fct是邻域函数，可以选高斯函数和“泡泡”bubble函数。 高斯函数和bubble函数的区别会在另一篇文章中详细介绍。toroidal函数设置为TRUE可以把默认的SOM拓扑图变成环形。此时的SOM拓扑相当于是把环形切割后并展开。toroidal的作用看情况，它主要改变的是SOM的拓扑关系，对训练结果本身并没有影响。

可视化

plot(x, type = c("codes", "changes", "counts",
                       "dist.neighbours", "mapping", "property", "quality"),
                       whatmap = NULL, classif = NULL, labels = NULL,
                       pchs = NULL, main = NULL, palette.name = NULL,
                       ncolors, bgcol = NULL, zlim = NULL,
                       heatkey = TRUE, property, codeRendering = NULL,
                       keepMargins = FALSE, heatkeywidth = .2,
                       shape = c("round", "straight"), border = "black",
                       na.color = "gray", …)

SOM会调用系统的plot函数，x是训练好的SOM，type是画图类型，比如

changes：训练过程中the mean distance to the closest codebook vector
codes：SOM中的codebook vector
counts：SOM中每个单元对应的sample数量

实际使用中，习惯把counts图中的颜色反过来，即越深的单元表示上面的sample越多。