《表7 科技馆聚类分析结果》
使用所有的三级指标数据进行科技馆聚类分析,使用K-均值聚类(K-means)算法,K-均值聚类算法在最小化误差函数的基础上将数据分为K份,将相似对象归入同一份。利用T-分布式随机邻域嵌入(T-SNE)方法对数据进行降维。T-SNE使用非线性降维,通过二维点或三维点对每个高维对象进行建模,使得相似的对象由附近的点建模,而不相似的对象很大概率由远离的点建模,这样把高维空间映射到可以可视化的二维或三维空间。在结果中,聚为一类的科技馆在数据层面更为相像,但不一定代表排名与等级。聚类的具体结果见表7,图2是将类数设为6得到的聚类可视化结果。
图表编号 | XD00200730700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 佟贺丰、于洁、董克 |
绘制单位 | 武汉大学信息资源研究中心、中国科学技术信息研究所、武汉大学信息资源研究中心 |
更多格式 | 高清、无水印(增值服务) |