コホーネンマップは、不完全なデータの再構築、つまり汎化との類似によって予測を可能にする。これは現実であり、特にgoogleで "kohonen map time series forecasting "というクエリーで大量に入手できる。上記の引用は、著者に反論しているというより、むしろ裏付けている。この記事では、データを要約し、クラスター化することで、私たちが意思決定を下しやすくし、市場（商品）を好ましい状態（クラス）で解釈しやすくしている。SOMからLVQに移行することによるプラス効果もあるかもしれないが、私にはそのような材料はない。しかし、教師なしで学ぶという意味では、SOMの方が市場という「ブラックボックス」に適している面もあると思います。
この論文では、異なるマップを分析する際、2つのマップにおいて、座標(X; Y)が一致するセルは、同じTC入力パラメータのセットに対応するという特性が使用される。このルールはどのように形成されるのだろうか？
マップを比較する場合、各マップは対応するニューロン（X;Y座標の同じペアは同じニューロン）のi番目の重み係数によるスライスである。そして各ニューロンは類似した（しかし必ずしも全く同じではない）ベクトル、つまり我々の場合はTC設定を集める。この一般化はKohonenアルゴリズム自体によって保証されている。
私は長い間SOMに興味が あり、時間を見つけて一次資料である『Toivo Kohonen: Self-Organising Maps』を読んだ。
この記事は確かに有益だが、なぜか筆者は希望的観測をしているように思う。
それはコホーネンが言っていることだ：
すなわち、SOMが生み出すことができるのは、入力特徴に基づく視覚化だけであり、予測ではない。
以前からSOMに興味が あり、時間を見つけて一次資料の本 "Toivo Kohonen: Self-Organising Maps "を読んでいる。
この記事は確かに有益だが、なぜか著者は希望的観測をしているように思う。
それはコホーネンが書いていることだ：
すなわち、SOMが作り出すことができるのは、入力された特徴の視覚化だけであり、予測ではない。
コホーネンマップは、不完全なデータの再構築、つまり汎化との類似によって予測を可能にする。これは現実であり、特にgoogleで "kohonen map time series forecasting "というクエリーで大量に入手できる。上記の引用は、著者に反論しているというより、むしろ裏付けている。この記事では、データを要約し、クラスター化することで、私たちが意思決定を下しやすくし、市場（商品）を好ましい状態（クラス）で解釈しやすくしている。SOMからLVQに移行することによるプラス効果もあるかもしれないが、私にはそのような材料はない。しかし、教師なしで学ぶという意味では、SOMの方が市場という「ブラックボックス」に適している面もあると思います。
上記の引用は、著者に反論するのではなく、むしろそれを裏付けるものであり、文脈から用語を曲げようとする試みの臭いがする。
私の発言をどう受け取るかはあなた次第だ。
私は、SOMをデコーダー（電子機器）として使うというアイデアがとても好きだ：トレーニングの際、（視覚に基づいて意味のある）特徴のセットを与え、出力はそれに対する視覚的評価である....そして学習したSOMを取引に使用する、
しかし、SOMは分類器としては機能せず、トレーニング後、新しいデータではテスト時と同じ画像は得られません。
この記事では、データを一般化してクラスタ化することで、意思決定プロセスを単純化し、市場（商品）を好ましい状態（クラス）に解釈します。
そう、これはまさにSOMが行うことであり、元のデータのパターンを見つけて分析するために単純に使うことができる。
しかし、この課題も「正面から」解決できるものではありません。SOMのトレーニングでは、規則性の存在に関する裏付けのない仮説に基づいてデータを提出し、各データセットの情報量に関する知識がないため、データセットの1つに過剰な情報が含まれていると、結果に歪みが生じます。最も単純な例として、TF H1のサインを取引商品のセットに使用しますが、ある商品の取引セッションの 時間は1日の1/3であり、他の商品では1日24時間であることを考慮していません。
--------------------------------------
インターネット上には、SOMを応用した医学的研究が数多く存在するが、これらの目的には、SOMの正しい応用である - 医学者が自分の知識に基づいて自分で準備したデータをクラスター化し、視覚化したいデータセットと特徴。
取引に応用する場合、医学的見地からのSOMの使用は次のようになる：
- 鼻水、虫垂炎、四肢骨折の患者の統計がある。
- SOMを適用し、鼻水で来院した患者は手足の骨折をする可能性が高く、虫垂炎は統計的にあり得ないと結論づける。
- 鼻水のある患者は冬にくしゃみをする可能性が高く、それが転倒につながり、手足の骨折を引き起こすと結論づける。
まあ、これは統計学的に見ればすべて論理的であり、論理的でさえあるのだが、私の考えでは、鼻水が出る患者は将来手足の骨折につながると結論づけ、この研究に基づいて予防策を講じるのは、SOMの使い方としては最良の方法ではない。
類推は耳で聞いたものだ。その上、荒らしの最高の伝統として、批判は記事から得たものではない仮定に基づいている。ニヒリスティックな文体ではなく、建設的な文体で、どうすればいい のか、何をすればいい のかを書くのが望ましいだろう（注：私たちは「裏付けされた仮説」を事前に持っているわけではない。
批判は記事から引用されていない前提に基づいている。
あなたの記事は、「暗い部屋にいる暗い猫、特にそこにいない場合」の検索に基づいている。
類推は耳で聞いたものだ。その上、荒らしの最高の伝統で。
Kohonenの本があり、他のリソースにSOMに関する良い入門記事があり（なぜか私はbasegroup.ruを信頼している-興味深い資料）、SOMの予測タスクはなく、WikiのようにSOMによる予測が可能であると主張するあなたの記事がある。
Kohonenの本があり、他のリソースにSOMに関する良い入門記事があり（なぜか私はbasegroup.ruを信頼している-興味深い資料だ）、SOMの予測タスクはなく、WikiのようにSOMによる予測が可能だと主張するあなたの記事がある。
私はbasegroupに何の恨みもないし、長い付き合いだが、「SOMの予測タスクはない」というのは事実ではない。
私はbasegroupに恨みはないし、長い付き合いだが、「SOMの予測タスクはない」というのは事実ではない。
googleで検索すると、"som forecasting site:basegroup.ru "というクエリー文字列が表示される。
検索エンジンは、予測タスクのないSOMの説明を表示します。
検索エンジンはSOMの説明を提供するが、予測タスクはない。検索エンジンはSOMの使用に関するユーザーからの質問を提供するが、その回答はSOMが他のタスクを実行することを正当化する。
SOMは単に多変量データを 視覚化することができ、SOMマップ分析は形式化されたものではなく、発見的なタスクである。
上のスクリーンショットは、私があなたとの議論を始めたときに投稿した"Toivo Kohonen: Self-Organising Maps " という本から引用したものですが、SOMの可視化タスクだけを示唆しています。
しかし、Wikiやあなたの記事は、予測タスクにSOMを使うことを示唆している。
あなたの判断力と検索エンジンを使えないことは明らかだ。私は自分の主張をすべて述べた。議論を散らかす必要はない。あなたの言葉で答えよう：
この方向で議論を続けることに意味はないと思います。
あなた自身の言葉で：
同様に、私の投稿に対するあなたの回答は次のようなものです：
あなたの用語のすり替えの試みに対して
また、荒らしの最高の伝統として
ZY：私はあなたにgoogleの検索文字列を与えたのですか？私たちは何の検索について話しているのですか？basegroup.ruの資料の質については、あなたと私は共通の意見に来ている、またはあなたはWikiで検索することをお勧めしますか、同じHabr、かなり頻繁にStack Overflowの良い議論....しかし、彼らは常に信頼できる情報源ではありません