자기조직화지도(Self-Organizing Map, SOM)

자기조직화지도(Self-Organizing Map, SOM)는 비지도학습(Unsupervised Learning) 알고리즘 중 하나로, 신경망 기반의 데이터 마이닝 기법이다. SOM은 고차원의 입력 공간을 저차원의 격자 형태로 매핑하여 데이터의 구조를 시각화하고 이해하는 데 사용된다.

 

 

다차원 데이터를 저차원으로 표현하는 이유는 2차원 또는 3차원 공간에 표시할 수 있으므로 그래프나 차트를 사용하여 데이터의 패턴이나 구조를 시각적으로 파악할 수 있고 데이터의 구조와 관계를 이해하고 해석하기 쉽게 데이터의 차원을 축소할 수 있다. 또, 데이터의 크기를 줄이고 노이즈를 제거하여 데이터 분석 및 모델링을 효율적으로 수행하여 패턴이나 구조를 더 쉽게 발견할 수 있다. 

SOM은 보통 2차원 격자 형태의 네트워크로 표현된다. 이 네트워크는 여러 개의 노드(또는 뉴런)로 이루어져 있으며, 각 노드는 가중치 벡터를 가지고 있다. SOM은 입력 데이터와 각 노드의 가중치 벡터 간의 거리를 계산하여 입력 데이터를 가장 가까운 노드에 할당하고, 이를 통해 네트워크의 가중치를 업데이트하는 과정을 반복하여 네트워크가 입력 데이터의 특성을 학습하고, 결과적으로 입력 데이터를 저차원의 격자 형태로 매핑한다.

 SOM은 입력 데이터의 특성을 학습하면서 비슷한 특성을 가진 데이터는 서로 가까운 노드에 할당되어 비슷한 영역에 매핑됨으로써 데이터의 자기조직화가 이루어지게 된다.