《表4 学生行为聚类—五种聚类中心结果》
提示：宽带有限、当前游客访问压缩模式
通过选取预处理后的学生消费行为数据中的相关字段，对学生的行为数据、消费数据分别进行K-means聚类分析，表4、表5分别展示学生行为数据聚类结果和学生消费数据聚类结果。
| 图表编号 | XD0010962700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.30 |
| 作者 | 钱涛、陈树伟、徐朝钢 |
| 绘制单位 | 浙江农业商贸职业学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 2种聚类结果的交叉分布》2021.01.01
- 《表2 3种聚类算法下的评估结果》2021.02.20
- 《表1 4种聚类方法指标对比》2021.01.01
- 《表3 三种聚类算法结果对比》2020.04.25
- 《表4 国际2000—2009年和2010—2018年Medical Informatics的3种聚类结果》2020.07.24
- 《表4 3种聚类算法在数据集上的统计结果》2020.04.28
- 《表2 五种状态训练样本各自所对应的聚类中心》2020.07.15
- 《表1 两种聚类算法的实验结果》2020.09.15
- 《表3 三种聚类算法的初始中心及结果变化情况》2020.07.01
- 《表4 三种聚类算法检测正异常网络行为的性能比较》2020.07.01
- 《表6 最终聚类中心：基于因子分析和聚类分析的学生网络学习行为研究》2019.09.25
- 《表3 三种聚类算法的训练/测试结果》2020.02.10
- 《表1 两种聚类算法对目标数据集聚类结果》2020.04.15
- 《表4 学生学习行为聚类分析结果》2020.02.20
- 《表2 四种聚类方法对比结果》2019.06.01
- 《表4 两种聚类方法匹配识别准确度对比》2019.06.01
- 《表4 数据集信息：一种聚类与kNN结合的协同过滤算法》2019.04.01
- 《表4 初始聚类中心：基于大数据下K-means聚类算法的在线学习行为路径应用研究》2019.01.10
- 《表3 3种聚类算法的聚类结果对比》2019.02.10
- 《表2 某用户曲线在3种聚类算法下的聚类结果》2019.02.10