[プログラム・コード公開] コピペだけで実用的かつ実践的な教師あり自己組織化写像(Self-Organizing Map, SOM)による回帰分析(R言語)

2017年1月13日 21:43

[New] 実業家として有名な堀江貴文さん(ホリエモン)のメルマガ[Vol.359]における副業紹介において、このプログラム・コード販売が、なんと１番に紹介され評価していただきました！

こんにちは！大学教員ブロガーのねこしです。http://univprof.com/

仕事や研究において、データの見える化・可視化と回帰分析と同時に行うために、教師あり自己組織化写像(Self-Organizing Map, SOM)による回帰分析をする方もいらっしゃいます。シンプルかつ非線形に回帰分析したい・・・。教師ありSOMによる回帰分析の実用的かつ実践的な方法はこちらに書きました。

http://univprof.com/archives/17-01-13-10657207.html

しかし、教師ありSOMによる回帰分析のやり方はわかっても、実際に教師ありSOMによる回帰分析ができるようになるわけではありません。ネットや本で教師ありSOMによる回帰分析のプログラミングを説明しているものはありますが、データの読み込み方とか結果の出し方とか、他にも調べてやらなくちゃいけないこと、多いんですよね・・・。手間と時間がかかります。

そこですぐに教師ありSOMによる回帰分析を実行可能なプログラムを作りました。R言語で教師ありSOMによる回帰分析ができます。

データ形式・必要なソフトウェア

以下の記事に示す形式のデータ(data.csv, data_prediction1.csv, data_prediction2.csv)さえ準備すれば、R言語で教師ありSOMによる回帰分析を実行することが可能です。

R言語のために必要なソフトウェアは以下の記事をご覧ください。

実行結果

実行結果を下に示します。最後に

以下のcsvファイルが同じディレクトリ(フォルダ)に保存されます。

■PredictedY2.csv・・・data_prediction2.csvの目的変数の予測値

■PointsOnSOM.csv・・・すべてのニューロン(ノード)のグリッド座標

■ScaledNeuronsOnSOM.csv・・・オートスケール後のスケールに対応したすべてのニューロン

■NeuronsOnSOM.csv・・・オートスケール前のスケールに対応したすべてのニューロン

■PointsCorrespondingtoMappedSamples.csv・・・各サンプルが発火した(各サンプルに対応した)ニューロンのグリッド座標 [data.csv, data_prediction1.csv, data_prediction2.csvの各サンプルが順番に縦につながっています]

■ScaledNeuronsCorrespondingToMappedSamples.csv・・・オートスケール後のスケールに対応した、各サンプルが発火した(各サンプルに対応した)ニューロン [data.csv, data_prediction1.csv, data_prediction2.csvの各サンプルが順番に縦につながっています]

■NeuronsCorrespondingToMappedSamples.csv・・・オートスケール前のスケールに対応した、各サンプルが発火した(各サンプルに対応した)ニューロン [data.csv, data_prediction1.csv, data_prediction2.csvの各サンプルが順番に縦につながっています]