SOMのとっかかりを掴んだ話
SOM：Self-Organizing Map(自己組織化写像)
高次元データをベクトルとして扱い、その「次元削減」を行う手法のひとつ
→データを見やすく、よりグラフィカルに表せる！
【ステップ】
0．初期化
1．競合過程
各データの始点と各参照ベクトルの始点との距離が最小となるベクトルを求める(？)
2．強調過程
各参照ベクトルの始点が、各データの始点へ向かう量(学習量)を求める
3．適応過程
学習量を基に、参照ベクトルの更新を行う
【気づき】
なんとなく最小二乗法に似ている(方向性としては間違ってはいないが、各々特徴や注意点があるらしい)
なぜ最小二乗法なのか 〜線形回帰分析での推定〜 - Qiita
→そもそも、何故二乗を取るのか？笑
