《表5 不同的聚类簇数在delicious上的实验结果》

  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

《ML-kNN算法在大数据集上的高效应用》

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

由表2～表5的数据，并结合各项指标和算法的时间复杂度。对于数据集scene，当r=3，t=3时算法效果最好；对于数据集Yeast，当r=2，t=2时算法效果最好；对于数据集corel5k，当r=3，t=2时算法效果最好；对于数据集delicious，当r=11，t=4时算法效果最好。并且综合实验数据可得，聚类簇数r、t对于算法的最终效果具有决定性的效果。原因有以下两点:（1）对于训练数据，聚类效果的不同将会直接导致NewX的不同，从而影响算法的训练效果，并最终影响预测结果；（2）对于测试数据，聚类簇数的大小将会直接决定算法循环的次数，从而影响算法的时间复杂度。