PythonのSOMライブラリsomocluを使ったクラスタ化について

前提・実現したいこと

「somoclu」というPythonライブラリを用いて、SOMによる学習およびクラスタ化をしようと思っているですが、
このライブラリでのクラスタ化メソッド「cluster()」を使ったクラスタ化が、果たして「SOMによる分類」と言って良いのかが分かりません。

cluster()メソッドについては下記ページ
http://somoclu.readthedocs.io/en/stable/example.html
の真ん中より少し下辺りに説明があります。

このメソッドは、デフォルトではk-means法による8つのクラスタへの分類、引数指定によりscikit-learnの別のアルゴリズムを使った分類もできると書いてあります。

僕の理解ではSOMはあくまで多次元ベクトルを人間にとって理解しやすい次元へ変換し可視化するものだと思っているため、そこから更に自動的機械的に入力データを分類しようとすると、上記のk-means法など他のノウハウに頼らざるを得ないのかもしれませんが、
それにより得られた結果にはSOMでの学習は作用しているのでしょうか？
このメソッドを用いたk-means法による分類はSOMにより作成したマップを元に行なっているのか、
それともこれは単にk-means法により分類したものをSOMにより見やすくしているだけなのでしょうか？

機械学習については最近勉強し始めたばかりなので、質問内で的はずれなことを言っている箇所もあるかもしれませんが、良ければご教授お願いします。

行動規範の内容に同意します

回答1件

ベストアンサー

SOMの各ノードの重みベクトルに基づいてノードをクラスタリングしています。

こんなのを入れてみると納得がいきます。

python
1class MyKM(KMeans):
2    def fit(self, X, *args):
3        print(X.shape)
4        print(X)
5        return super(MyKM, self).fit(X, *args)
6
7... # データの準備とかSOMのインスタンスの生成とか
8som.train(data=X, epochs=1000)
9km = MyKM(n_clusters=3, n_jobs=-1)
10som.cluster(algorithm=km)
11# 出力

たとえば

python
1som = Somoclu(n_rows=12, n_columns=30,
2              initialization="pca", verbose=2)

でirisのデータを入れると、標準出力には

python
1(360, 4)
2[[4.6        3.6        1.         0.2       ]
3 [4.733333   3.5333333  1.2666667  0.23333332]
4 [5.         3.6        1.4        0.2       ]
5 ...
6 [7.6999993  3.7999997  6.7        2.2       ]
7 [7.6999993  2.6        6.9        2.3       ]
8 [7.7        2.6        6.9        2.3       ]]