《表1 不同的类簇个数对聚类效果的影响》

  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

《嵌入项目疲劳和多样偏好的聚合推荐算法》

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

K-均值聚类算法中，不同的K值对聚类效果有着重要的影响，本实验采用平均轮廓系数来确定类簇的个数，数据集中共有1 682部电影，通过分析数据集中电影的数据规模、类别特征以及已有的K均值算法对于MovieLens数据集的聚类效果，将K值设定在[2，50]。由于K-均值聚类具有一定的随机性，并不是每次都收敛到全局最小，为了避免得到局部最优解，针对区间内每一个K值，重复执行30次，计算每一次的，并取其平均值度量K值的聚类效果。由于篇幅有限，表1列出了部分较大时聚类质量情况。