C'è solo una domanda relativa a questo in StackOverflow, ed è più su quale è meglio. Non capisco davvero la differenza. Voglio dire che entrambi lavorano con i vettori, che vengono assegnati casualmente ai cluster, entrambi lavorano con i centroidi dei diversi cluster per determinare il nodo di output vincente. Voglio dire, dove sta esattamente la differenza?Qual è la differenza tra SOM (Self Organizing Maps) e K-Means?
In K-indica che i nodi (centroidi) sono indipendenti l'uno dall'altro. Il nodo vincente ha la possibilità di adattarsi a se stessi e solo a quello. In SOM i nodi (centroidi) sono posizionati su una griglia e quindi ogni nodo è considerato avere alcuni vicini, i nodi adiacenti o vicino ad esso in repspect con la loro posizione sulla griglia. Quindi il nodo vincente non si adatta solo a se stesso, ma causa anche un cambiamento per i suoi vicini. K-Means può essere considerato un caso speciale di SOM se non si tiene conto dei vicini quando si modificano i vettori dei centroidi. Per di più, puoi ancora google ...
Perfetto, questo è esattamente quello che non sapevo. Non riuscivo a trovarlo guardando su google. –