《表2 SSE、ET-SSE在dataR2、Iris、Wine及Immunotherapy数据集上的计算数据》

  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

《改进的K-means聚类k值选择算法》

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

为了说明改进的k值选择算法ET-SSE的实际运行效果，本文采用dataR2、Iris、Wine和Immunotherapy数据集进行对比实验，k的取值范围设定为[1，8]。从表1、表2和图6中通过比较程序运行所产生的计算结果，能够很容易发现，传统的“手肘法”在四个UCI数据集中预测的最佳k值均为一个范围域（离散型），对于大部分预测结果，实际的最佳k值包含在此范围内，一小部分k值预测出现严重偏差，k值的确定过程存在很大的误差；而ET-SSE算法预测的最佳k值均为一个固定的数，与实际的数据集的聚类数完全相同，精度较高。本文算法确定的k值更加接近实际的聚类数，预测效果更佳，能有效解决传统“手肘法”在应用过程中“肘点”不明显的问题。