给定一组每日数据点集，其中表示家庭i在一天24小时内在智能大屏上观看视频所花费时间的变化，通过对每日数据点的聚类分析，挖掘典型的日模式。

我们采用K-Means算法对每日数据点集进行聚类，并将每个聚类中心视为典型的每日模式。由于K-Means算法需要输入簇的个数，首先需要确定数据中存在的聚类数。由于集群定义中固有的模糊性，很难确定哪个值会导致更有意义的集群。在一定程度上聚类数的确定，需要专业的领域知识和丰富的实践经验，还需满足用户需求和应用需求。一种常用的方法是尝试不同的数字，并检查畸变曲线目标值相对于簇数的变化，进而确定聚类个数。我们在范围内尝试了不同的k值，然后从可辨别性和可解释性的角度分析了聚类后得到的日模式。最后，我们决定将k设置为8，它位于失真曲线的肘部附近。

图28　收视日模式

显然，图28所描绘的日模式是可以辨别的。除图28g、图28h外，大多数模式都有一个峰值，但峰值出现在一天的不同时段。一个共同点是，从凌晨2：00～6：00，它们都保持在接近零的低值，因为大多数人在这段时间都在睡觉。媒体时段分布很常见，我国的媒体时段分布如表30所示。这些日模式很容易通过时段来解释，不同日模式的峰值时间与某些时段很吻合。为了更好地解释用户收视的日模式，将模式根据其峰值时间位于时段命名。通过观察，模式（a）用户观看时间主要分布在9：00～11：00，根据媒体时段分布，命名为“上午模式”；模式（b）用户观看时间主要分布在11：00～13：00，根据媒体时段分布，命名为“中午模式”；模式（c）用户观看时间主要分布在14：00～16：00，根据媒体时段分布，命名为“下午模式”；模式（d）用户观看时间主要分布在18：00～19：00，根据媒体时段分布，命名为“傍晚模式”；模式（e）用户观看时间主要分布在19：00～21：00，根据媒体时段分布，命名为“黄金模式Ⅰ”；模式（f）用户观看时间主要分布在21：00～23：00，根据媒体时段分布，命名为“黄金模式Ⅱ”；模式（g）用户观看时间主要分布在8：00～24：00，用户观看行为有两个峰值，分别在12：00和20：00，用户观看电视时长跨度大，基本除睡觉时间用户均有观看行为，是大屏平台的活跃用户，命名为“冲浪模式”；模式（h）用户整天基本无任何电视观看行为，是不活跃用户行为，命名为“潜水模式”。八种日模式命名如表31所示。

表30　媒体时段分布(www.daowen.com)

表31　收视日模式命名

续表

虽然不同用户在个体层面观看行为模式是有差异的，但对大体量用户群体来说会存在一些相似的行为模式。从算法上讲，一个簇的质心是属于它的数据点的平均值，每个数据点都被分配给其质心最接近它的簇。因此，在同一个集群中，数据点之间的细微差异是平均的，而共性是突出的。在实际生活中，用户在一定程度上行为受自身客观条件的制约，无论是地域、职业还是用户自身的喜好等原因都有可能影响用户的行为习惯，这些习惯会影响用户在不同时间段看电视。而大部分用户受客观条件所限，都有一个固定但不同的日常生活，用户有规律的行为方式加上大体量用户就能找出用户的行为模式。