《表3 故意伤害罪案件聚类分布对比表》
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
《基于机器学习的司法数据分析及建模研究——以“故意伤害罪”为例》
实验中,分别运用K-Means和FCM对预处理后的故意伤害罪案件的刑期进行聚类,并将2种算法的聚类结果进行了对比。在K-Means聚类实验中,设置最大迭代次数为1 000次,类别个数k为5;在FCM聚类实验中,设置最大迭代次数为100次,类别个数c为5,模糊(隶属度)加权指数m依据经验值取为2.0,XB为0.056 5,效果如图4所示,其中横、纵坐标均表示刑期(月数),红色×表示FCM各类聚类中心,5种不同的颜色代表不同的类别。其中,表3是K-Means和FCM刑期聚类分布的平均偏差。由表3易见,对于法律数据,FCM聚类比K-Means聚类有更好的聚类效果,能够为分类器提供更可靠的类别标签。
图表编号 | XD00116258400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 戴非凡、司卫云、倪进平 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |