Self-Organizing Map
Una red de Kohonen aprende cuatro grupos reproducibles; comparar errores e inspeccionar cada actualización.
Acerca de esta herramienta
Una red de Kohonen 12×12 aprende datos 2D sin clases. Los puntos se distribuyen uniformemente en cuatro cuadrados alrededor de (0,3/0,7;0,3/0,7), no son gaussianos. La semilla determina datos, pesos aleatorios en [0,1)² y orden de muestras.
Cada paso toma un punto con reemplazo. Gana el peso más cercano (distancia euclídea; empates por fila/columna). Cada unidad se acerca al punto mediante η exp(−d²/(2σ²)); d mide distancia en la red, no en los datos.
Para t desde 0 hasta T−1, η=η₀(1−t/T), σ=max(0,4;3(1−t/T)). Se muestran los últimos valores aplicados; la tasa final no es cero. Un paso procesa un punto, la animación doce por fotograma visible. Pausa conserva pesos; editar entradas o restablecer descarta la ejecución.
El error de cuantización es la distancia euclídea media de cada punto al peso más cercano. Los errores inicial y actual usan todos los puntos. No es exactitud ni error topológico, y puede subir en un paso. CSV exporta los 144 pesos y los parámetros.
Las líneas conectan unidades vecinas. Pueden quedar cruces; iniciar al azar y entrenar brevemente no garantiza una red ordenada. Ejes sin unidades. Ejemplo limitado, no un servicio general de agrupamiento.