Hi，大家好，我是编程小6，很荣幸遇见你，我把这些年在开发过程中遇到的问题或想法写出来，今天说一说机器学习算法——神经网络6（SOM网络）[亲测有效],希望能够帮助你!!!。

SOM（Self-Organizing Map,自组织映射）网络也是一种竞争学习型的无监督神经网络。

它能将高维数据映射到低维空间（通常为二维），同时保持输入数据在高维空间的拓扑结构，即将高维数据中相似的样本点映射到网络输出层中的邻近神经元。

SOM网络结构为：

输入层神经元的数量是由输入向量的维度决定的，一个神经元对应一个特征。

输出层中的一个节点代表一个需要聚成的类。

SOM网络结构的区别主要在竞争层：可以有1维、2维（最常见）。竞争层也可以有更高的维度，不过处于可视化的目的，高维竞争层用的比较少。输出层中的节点与输入层的节点是全连接的。

其中二维平面有2种平面结构，即

 竞争层SOM神经元的数量决定了最终模型的粒度与规模，这对最终模型的准确性与泛化能力影响很大。

 根据查找的资料，有人得出一条经验公式