《表7 科技馆聚类分析结果》

  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

《科技馆综合评价体系构建与实践》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。