《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》
提示：宽带有限、当前游客访问压缩模式
本文采用K-Means算法进行聚类分析，利用进行因子分析过程中产生的所有学生的公共因子作为输入特征，产生聚类结果如表6和表7所示，所有学生被分成三类。
| 图表编号 | XD00143509000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.25 |
| 作者 | 王坚、张媛媛、柴艳妹 |
| 绘制单位 | 中央财经大学、中央财经大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 最终聚类中心：聚类分析在学生群体分类中的应用研究》
- 《表2 最终聚类中心：聚类分析在学生群体分类中的应用研究》
- 《表3 最终聚类中心：基于可视化学习分析的研究性学习学生画像构建研究》2020.12.10
- 《表3 最终聚类中心：基于因子分析的江苏省农村电子商务竞争力评价》2020.12.01
- 《表8 最终聚类结果：安徽省医疗卫生机构服务水平综合评价——基于因子分析和聚类分析方法》2020.04.28
- 《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4 旋转后因子矩阵：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 总方差解释：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1 解释的总方差：劳动与社会保障专业人才培养的探讨——基于学生成绩的因子分析和聚类分析视角》2019.11.15
- 《表2 最终聚类中心：基于因子分析和聚类分析的上市银行股票投资价值分析》2019.10.01
- 《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1 相关系数矩阵表：基于因子分析和聚类分析的新疆经济现状研究》2018.07.15
- 《表7 因子得分排名：基于因子分析和聚类分析的新疆经济现状研究》2018.07.15
- 《表5 旋转成分矩阵：基于因子分析和聚类分析的新疆经济现状研究》2018.07.15
- 《表4 变量共同度：基于因子分析和聚类分析的新疆经济现状研究》2018.07.15
- 《表4 广西农用地分区：基于因子分析和聚类分析的广西农用地分区研究》2018.09.25
- 《表3 公因子荷载矩阵：基于因子分析和聚类分析的广西农用地分区研究》2018.09.25
- 《表3 公因子荷载矩阵：基于因子分析和聚类分析的广西农用地分区研究》2018.09.25
- 《表1 指标类型表：基于因子分析和聚类分析的广西农用地分区研究》2018.09.25
- 《表4 聚类结果：农业上市公司的财务风险预警研究——基于因子分析法和聚类分析法》2019.12.20