标签:1.0000000 character 网络 可视化 网络分析 聚类 iflo
原文链接:http://tecdat.cn/?p=18770
为了用R来处理网络数据,我们使用婚礼数据集。
> nflo=network(flo,directed=FALSE)
> plot(nflo, displaylabels = TRUE,
+ boxed.labels =
+ FALSE)
下一步是igraph。由于我们有邻接矩阵,因此可以使用它
graph_from_adjacency_matrix(flo,
+ mode = "undirected")
我们可以在两个特定节点之间获得最短路径。我们给节点赋予适当的颜色
all_shortest_paths(iflo,
)
> plot(iflo)
我们还可以可视化边,需要从输出中提取边缘
> lins=c(paste(as.character(L)[1:4],
+ "--"
+ as.character(L)[2:5] sep="" ,
+ paste(as.character(L) 2:5],
+ "--",
> E(ifl )$color=c("grey","black")[1+EU]
> plot(iflo)
也可以使用D3js可视化
> library( networkD3 )
> simpleNetwork (df)
下一个问题是向网络添加一个顶点。最简单的方法是通过邻接矩阵实现概率
> flo2["f","v"]=1
> flo2["v","f"]=1
然后,我们进行集中度测量。
目的是了解它们之间的关系。
betweenness(ilo)
> cor(base)
betw close deg eig
betw 1.0000000 0.5763487 0.8333763 0.6737162
close 0.5763487 1.0000000 0.7572778 0.7989789
deg 0.8333763 0.7572778 1.0000000 0.9404647
eig 0.6737162 0.7989789 0.9404647 1.0000000
可以使用层次聚类图来可视化集中度度量
hclust(dist( ase ,
+ method="ward")
查看集中度度量的值,查看排名
> for(i in 1:4) rbase[,i]=rank(base[,i])
在此,特征向量测度非常接近顶点的度数。
最后,寻找聚类(以防这些家庭之间爆发战争)
> kc <- fastgreedy.community ( iflo )
在这里,我们有3类
最受欢迎的见解
1.采用spss-modeler的web复杂网络对所有腧穴进行分析
3.R语言文本挖掘NASA数据网络分析,tf-idf和主题建模
5.python隶属关系图模型 基于模型的网络中密集重叠社区检测
标签:1.0000000,character,网络,可视化,网络分析,聚类,iflo 来源: https://blog.51cto.com/u_15198753/2770016
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。