《表2 相关系数矩阵：基于K-均值算法的客户分类研究》
提示：宽带有限、当前游客访问压缩模式
结果是8个变量的相关系数矩阵，可看出C11变量与C12、C13相关性很高，如表2所示。
| 图表编号 | XD0080948100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.28 |
| 作者 | 冀薇 |
| 绘制单位 | 北京远东仪表有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 三个聚类中心：基于k均值与SVM算法的学生综合评价及分类研究》2020.10.25
- 《表2 站点分类的结果：基于改进K-means算法的电力大数据系统研究》2021.01.20
- 《表6 原始K均值与改进K均值聚类算法的分类准确率对比》2020.07.10
- 《表1 相关参数取值：基于客户分类的即时配送路径优化研究》2020.08.01
- 《表4 算法对比：基于客户分类的即时配送路径优化研究》2020.08.01
- 《表1 相关系数矩阵：基于主成分分析和K-means聚类分析的地区经济发展研究》2020.02.29
- 《表5 模型误判率均值：居民客户电费回收风险的预测研究——基于随机森林算法》2019.12.20
- 《表6 混淆矩阵：居民客户电费回收风险的预测研究——基于随机森林算法》2019.12.20
- 《表1 数据集说明：基于文化算法的K均值聚类混合算法研究》2019.09.10
- 《表1 2 ANOVA：基于K-均值算法的客户分类研究》2019.08.28
- 《表9 迭代历史记录：基于K-均值算法的客户分类研究》2019.08.28
- 《表8 初始聚类中心：基于K-均值算法的客户分类研究》2019.08.28
- 《表7 数据约简结果：基于K-均值算法的客户分类研究》2019.08.28
- 《表1 3 聚类成员：基于K-均值算法的客户分类研究》2019.08.28
- 《表5 总方差解释：基于K-均值算法的客户分类研究》2019.08.28
- 《表4 公因子方差：基于K-均值算法的客户分类研究》2019.08.28
- 《表6 成分矩阵：基于K-均值算法的客户分类研究》2019.08.28
- 《表2 聚类中心对比：基于K均值聚类算法的交通状态判别方法研究》2019.08.30
- 《表3 聚类结果：基于K均值聚类算法的交通状态判别方法研究》2019.08.30
- 《表3 相关系数矩阵：小额贷款公司客户违约行为影响因素的实证研究——基于湖南省长沙市的调查》2018.03.01