《表4 课程运行数据最终聚类结果》
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
《高职院校混合式教学实施状况及影响因素分析——基于X校网络教学综合平台的数据分析》
如图2所示，用同样的方法确定课程运行数据K-Means聚类分析的K值为3。课程运行情况聚类结果如表4所示。
| 图表编号 | XD00114771300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.10 |
| 作者 | 刘菲菲 |
| 绘制单位 | 青岛酒店管理职业技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表2 最终聚类中心：我国高职院校慕课发展策略研究——基于国家精品在线开放课程的分析》2020.09.01
- 《表4 最终聚类（种苗直径）》2020.06.10
- 《表2 最终聚类簇形中心分析结果》2020.05.30
- 《表4：经济状况最终聚类中心》2020.07.20
- 《表4 2019主要服务行业用电最终聚类中心》2020.06.20
- 《表4 最终聚类中心间的距离》2020.07.30
- 《表4 最终聚类数据：基于轨迹稀疏聚类的高速公路车辆检测》2020.08.01
- 《表3 最终聚类中心：基于大数据K-means聚类算法的在线学习行为路径的研究》2020.06.20
- 《表8 最终聚类中心：基于SPSS数据分析的服装号型设计》2019.12.01
- 《表4 掌叶大黄种苗质量指标K均值聚类最终聚类中心》2019.12.20
- 《表4 某省最终聚类结果：NLP技术在农行信用卡风险管理领域的应用》2019.11.07
- 《表3 最终聚类中心：风切变时进近管制区域运行安全风险分析》2019.11.01
- 《表4 最终聚类中心表：基于数据驱动的车辆生产下线质量分析及其工艺优化》2019.06.01
- 《表3 最终聚类中心表：基于数据驱动的车辆生产下线质量分析及其工艺优化》2019.06.01
- 《表5 普通课程最终聚类中心》2019.03.10
- 《表4 最终聚类中心之间的距离》2019.04.15
- 《表4 组织情商初始和最终聚类中心》2019.04.01
- 《表6 最终聚类中心：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4 华榛按K-均值聚类法划分苗木等级的最终聚类中心》2018.01.15
- 《表1 L企业2015年夏季产品零售数据最终聚类中心》2018.07.25