《表3 SCV-LV与SCV-GS方法作用于实例数据集所得结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Gram-Schmidt变换的有监督变量聚类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对该数据集分别施行SCV-LV和SCV-GS方法，结果表明SCV-GS优于SCV-LV方法。表3给出了具体聚类结果。表3中指标K表示聚类后所得变量类的数目，“Cor（y，^y）”为施行算法后所得预测值与真值y之间的相关系数，第3列“变量”表示模型中涉及的变量。可以看出，SCV-LV方法可得到一个变量组，即将所有变量聚为一类；而SCV-GS方法可得到16个变量类，因此SCV-GS方法所得聚类结果可以给出更为详细的变量之间的联系信息。另外，尽管SCV-GS方法所得模型涉及的变量数目少（仅包含变量x2，x3），但SCV-GS方法的预测效果要优于SCV-LV方法（预测值更接近真值）。2种方法均选出变量x2，x3，表明“综合ACT（American College Test）分数”和“住校生比例”对毕业率有较强的积极影响。