目录:
定义-学习向量量化（LVQ）是什么意思？
学习矢量量化（LVQ）是一种算法，是一种人工神经网络，并使用神经计算。 更广泛地说，它可以说是一种计算智能。 该算法采用一种竞争性的，赢家通吃的学习方法，并且还与其他神经网络算法（如Perceptron和反向传播）有关。 LVQ算法允许人们选择要接受训练的实例数量，然后了解这些实例的外观。 LVQ由Teuvo Kohonen发明，与k最近邻算法有关。
Techopedia解释了学习矢量量化（LVQ）
就信息处理而言，学习向量量化的基本目标是在观察到的数据样本的范围内准备一组码本向量。 此外，这些向量然后被用于未见到的向量的分类。 最初，组成一个随机的向量库，然后将它们暴露于训练样本。 在采用赢家通吃的策略时，选择一种或一种与给定输入模式最相似的矢量。 然后以接近输入向量或有时更远离亚军的方式进行调整。 重复此过程，将导致输入空间中码本向量的分布，该分布可以近似于测试数据集下的样本分布。 该算法用于预测建模。
