Ağa dayalı çıkarımın zorlukları

R ile Ağ Verileri Kullanarak Predictive Analytics

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

İlk zorluk

Veriyi bölmek!

set.seed(1001)
sampleVertices <- sample(1:10, 6, replace=FALSE)
plot(induced_subgraph(g, V(g)[sampleVertices]))
plot(induced_subgraph(g, V(g)[-sampleVertices]))

Bölme

İkinci zorluk

Veri kümesindeki gözlemler bağımsız ve özdeş dağılımlı (iid) değildir

IID

Üçüncü zorluk

Toplu Çıkarım!

IID

Olasılıksal ilişkisel komşu sınıflandırıcı

# olasılık churn (C)
(0.9 + 0.2 + 0.1 + 0.4 + 0.8) / 5

0.48

# olasılık churn değil (NC)
(0.1 + 0.8 + 0.9 + 0.6 + 0.2) / 5

0.52

Hadi pratik yapalım!

R ile Ağ Verileri Kullanarak Predictive Analytics