第六章 實驗結果與討論
6.3 實驗
6.3.1 分群演算法實驗
Theoretic Co-Clustering 及 Minimum Squared Residue Co-Clustering，以下 以 MSRICC 代表 Euclidean Co-Clustering Algorithm，以 ITCC 代表 Information Theoretic Co-Clustering Algorithm，以 MSRIICC 代表 Minimum Squared Residue Co-Clustering Algorithm。
首先，我們比較了三種演算法在不同情況所耗費的時間。如下表 13 在行、 矩陣之間的計算，MSRIICC 又比 MSRICC 要來得複雜，因此計算時間會隨著分群 數的增加而增加。反觀 ITCC 則是透過矩陣隨機切割後以 K-L 距離來分配行、列，
因此計算上只受到資料矩陣的大小影響，而不受分群數所影響。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
65
表 13 三種演算法時間比較(單位 second)
MSRICC ITCC MSRIICC
分群數行 4/ 列 4 0.638 36.857 193.771 分群數行 100/列 100 9.494 74.583 2805.23 分群數 行 1000 / 列 1000 120.915 38.291 21691.3
接著我們將初始實驗設定為列分群數 4、行分群數 4，以三種演算法去進行 分群，再依據鑑別率與凝聚率來判斷分群結果，選出表現最佳的演算法。
列分群的鑑別率，如表 14。鑑別率 MSRICC 與 MSRIICC 的表現差不多，以 MSRICC 較高，而 ITCC 的結果則都是 0（當各群重疊情況嚴重時，鑑別率會變成 0）；而列分群的凝聚率，考量各群半徑不同的問題，為避免該群點過於分散，如 圖 28 的情況，我們採取另一種凝聚率的計算方法，首先各別計算四個分群的平 均數 μ，接著將四個平均數加總後平均，以這個方式來避免單一群體分群結果 不佳，卻因平均數較大而凝聚率較高的情況。
圖 28 分群結果圖
‧
在凝聚率上的表現，如表 15，以 MSRIICC 表現最佳，凝聚率高達 90%，ITCC 其次，而 MSRICC 最差。從分佈圖上來觀察，如圖 29，可看出 ITCC 的分群結果 十分的差，各群散布在一起，而 MSRICC 的結果也不是很理想，相比之下，
MSRIICC 的結果最佳。後面的實驗，隨著列分群數量的調整，MSRICC 與 MSRIICC 的結果差距也會越來越大。
表 14 分群數為 4 三種演算法鑑別率結果（列分群）
Discrimination MSRICC ITCC MSRIICC 2 & 1 0.0006 0.0 0.011
Agglomerate MSRICC ITCC MSRIICC
1 0.435 0.874 0.917
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
67
圖 29 列分群分群數 4 結果圖（上至下，MSRICC,ITCC,MSRIICC）
‧
在行分群上的鑑別率，如表 16，只有 MSRICC 表現較佳，MSRIICC 與 ITCC 的表現都不盡理想；而行分群上凝聚率的部分，如表 17，考量到行分群的資料 散佈的範圍較大且較不平均，為避免有極大或是極小的平均數，凝聚率的計算方 式以各群各別的平均數去計算，從結果來看，MSRICC 表現最佳，MSRIICC 其次。
表 16 分群數為 4 三種演算法鑑別率結果（行分群）
Discrimination MSRICC ITCC MSRIICC 2 & 1 0.556 1.875E-08 2.277E-04 Total 1.746 8.5164E-07 1.933E-05 Average 0.291 1.41E-07 3.222E-06 Product 0.000051 1.11E-51 1.038E-17
表 17 分群數為 4 三種演算法凝聚率結果（行分群）
Agglomerate MSRICC ITCC MSRIICC
1 0.428 0.133 0.286
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
69
行分群的部分是根據 2703 篇臉書貼文，以 Jieba 斷詞系統所斷出的 29825 個字詞。以 PCA 結果呈現，各群的分布極度不平均，如圖 30 可看出群 1 的紅點 很少，且分布較為分散，我們將被分在群 1 的內容抓出來看，發現是在貼文中被 斷詞系統切開的網址，且出現次數遠大於其他字串。
圖 30 行分群結果圖
為方便觀察行分群細部的結果，我們將結果圖放大至 x 範圍(-4,0)、y 範圍 (-2,4)，忽略掉圖 30 群 1 的部分，如圖 31。從圖 31 可以看出，行分群的結果 如同我們凝聚率與鑑別率所計算的一樣，MSRICC 的分群表現是最佳的。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
70
圖 31 行分群分群數 4 結果圖（上至下，MSRICC,ITCC,MSRIICC）
‧
Discrimination 0.0697 0 0.028Agglomerate 0.618 0.714 0.907 Total 0.688 0.714 0.936
表 19 行分群計算結果
由於在行、列分群 4 的實驗沒辦法明顯看出在列分群上 MSRIICC 優於其他兩 者，接著，我們以列分群數 4 為基準，去進行行分群數 4 到 10 的實驗，如圖 32、
圖 33，將凝聚率與鑑別率加總後以折線圖表示。此實驗證實在列分群上 MSRIICC 表現得確實較好，而行分群則明顯以 MSRICC 較佳。因此在接下來的章節，列分 群部分我們將以 MSRIICC 去實驗，而行分群則以 MSRICC 為主。
Column MSRICC ITCC MSRIICC Discrimination 0.291 1.7E-07 3.2E-06 Agglomerate 0.613 0.273 0.317
Total 0.904 0.273 0.317
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
72
圖 32 三種演算法凝聚率與鑑別率結果比較（列分群）
圖 33 三種演算法凝聚率與鑑別率結果比較（行分群）
在雙分群演算法上，對於行與列的分群數我們估計是會彼此互相影響的，因 此在接下來的實驗上我們會將行（列）的分群數固定，並控制列（行）的分群數，
以不同的分群數來進行實驗，來比較結果的差異。