Pythonで自己組織化マップのプログラムを実装する方法【初心者向け】

Pythonで自己組織化マップのプログラムを実装する方法について解説します。

そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。

 

なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。

 

 

自己組織化マップ（自己組織化写像、SOM）とは

自己組織化マップ(SOM、Self Organizing Maps)とはニューラルネットワークの一種で、与えられた入力情報の類似度をマップ上での距離で表現するモデルです。

SOMは複雑なデータの中に存在する傾向や相関関係の発見などに応用でき、人間が複雑なデータを視覚的に理解する手助けになります。

SOMの特徴は、予備知識なしに多次元データを分類できる(教師なし学習)ことです。
SOMは主にデータマイニングの一手法で使われ、データの分類、視覚化、要約などを得意としています。
 

自己組織化マップのプログラムの実装方法

Pythonで自己組織化マップを実装するには複数の方法があります。
本稿ではSomocluライブラリを用いる方法を紹介します。

他の手段としては、Numpyライブラリや、SOMPYライブラリなどが存在します。
 

[PR] Pythonで挫折しない学習方法を動画で公開中

実際に書いてみよう

前提

(注)本稿はGoogle Colaboratoryで動作を確認しました。

pipコマンドでsomocluライブラリをインストールしました。

 

!pip install somoclu

 
必要なモジュールをインポートしました。

 

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import somoclu
%matplotlib inline

 

サンプルコード1

疑似乱数で描画するデータを生成します。
 

c1 = np.random.rand(50, 3)/5
c2 = (0.6, 0.1, 0.05) + np.random.rand(50, 3)/5
c3 = (0.4, 0.1, 0.7) + np.random.rand(50, 3)/5
data = np.float32(np.concatenate((c1, c2, c3)))
colors = ["red"] * 50
colors.extend(["green"] * 50)
colors.extend(["blue"] * 50)
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(data[:, 0], data[:, 1], data[:, 2], c=colors)
labels = range(150)

 

実行結果1

ここまでで一旦、データの散布状態を図示できました。
 

 

解説1

疑似乱数を用いてデータ3列(c1,c2,c3)を生成しました。また、描画のため、赤、緑、青を割り当てました。
3次元での描画を指定し、散布図(scatter)を作成しました。

 

サンプルコード2

次に自己組織化マップを作成します。

 

n_rows, n_columns = 100, 160
som = somoclu.Somoclu(n_columns, n_rows, compactsupport=False)
som.train(data)
som.view_component_planes()

 

実行結果2

以下のように自己組織化マップを描画できました。

 

 

 

 

解説2

Somocluクラスのインスタンスを作成し、先に作成したデータを学習(train)させました。
view_component_planes関数で図を描画しました。

 

監修してくれたメンター

橋本紘希 システムインテグレータ企業勤務のシステムエンジニア。 開発実績: Javaプログラムを用いた業務用Webアプリケーションや、基幹システム用バッチアプリケーションなどの設計構築試験。

 

 

TechAcademyでは、初心者でもPythonを使った人工知能（AI）や機械学習の基礎を習得できるオンラインブートキャンプPython講座を開催しています。

挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。