发帖
雷达卡
CDA网校致力于以优质的人工智能在线教育资源助力学员的DT职业梦想！课程内容涵盖数据分析、机器学习、深度学习、人工智能、tensorFlow、PyTorch、知识图谱等众多核心技术及行业案例，让每一个学员都可以在线灵活学习，快速掌握AI时代的前沿技术。PS：私信我即可获取CDA会员1个月免费试听机会
复杂网络系列
我们的复杂网络个人笔记将包含以下几个部分：
• 复杂网络基础知识及网络可视化
• 复杂网络主要几种拓扑关系及应用
• 复杂网络社团挖掘
复杂网络中的基本知识点
• 节点(vertex) ： 一个一个散落的点，如每个人可以是一个点，每个url是一个点。
• 边 （edge）： 连接点与点直接的线；边是节点与节点之间的关系表示。
• 度（degree）：某个节点的度是指与该连接相连接的其他节点的个数；
• 平均度：所有节点的度之和除以节点个数
• 节点的聚类系数：某个节点的邻集节点个数，这些节点之间的边数与这些节点之间可能存在的最大边上之比。
• 最短路径：节点之间边数最少的路径
• 平均路径：所有节点对之间的距离的平均值
• 点介数：通过该节点的最短路径的条数
• 边介数：通过该边的最短路径的条数
• 核数：反复去掉一个网络图中度数小于等于K的节点后，剩下的子图。如果一个节点存在K-核，而在K+1 -核中被去掉，则该节点的核数为K
基本的复杂网络结构
• 规则网络
• ER随机图
• 小世界网络
• BA无标度网络
复杂网络可视化
data=read.csv("test.csv",header =TRUE)
head(data)
• 基础图
library(igraph)
data_stru<-graph.data.frame(data)
plot(data_stru)
• 数据为随机生成的。
复杂网络可视化
• 根据数值改变边的大小,改变颜色，添加值
library(igraph)
data_stru<-graph.data.frame(data)
plot(data_stru,edge.width=data$freq/100,edge.color=rainbow(40),edge.arrow.size=2,edge.label=data$freq)
复杂网络可视化
• 根据节点度的不同，画出不同节点的大小
library(igraph)
data_stru<-graph.data.frame(data)
plot(data_stru,edge.width=data$freq/100,edge.color=rainbow(40),edge.arrow.size=2,edge.label=data$freq,vertex.size=degree(data_stru))
复杂网络可视化
• 根据节点度的不同，画出不同节点的颜色
library(igraph)
data_stru<-graph.data.frame(data)
plot(data_stru,edge.width=data$freq/100,edge.color=rainbow(40),edge.arrow.size=2,edge.label=data$freq,vertex.size=degree(data_stru),vertex.color=degree(data_stru))
复杂网络可视化
• 画出某个节点的N层关系
library(igraph)
data_stru<-graph.data.frame(data)
data_degree<-graph.neighborhood(data_stru,1)
plot(data_degree[[6]],edge.width=data$freq/100,edge.color=rainbow(40),edge.arrow.size=2,edge.label=data$freq,vertex.size=degree(data_stru),vertex.color=degree(data_stru))
扫码下载CDA数据分析师APP，更多免费精彩内容等你来学！题库
京公网安备 11010802022788号
