Reti etichettate e apprendimento su reti

Analitica predittiva con dati di rete in R

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

customers

    id churn
1    1     0
2  393     0
3 2573     0
4 4430     0
5  926     1
6 1574     1

edgeList

  from    to
1    1   393
2    1  2573
3    1  4430
4  393   926
5  393  1574

Churn

Il classificatore Relational Neighbor

Vicini di Cecelia
- A, B, D, G
Vicini di Cecelia che preferiscono R
- A, B, D (75%)
Vicini di Cecelia che preferiscono Python
- G (25%)
Cecelia ha probabilità maggiore di preferire R

Il classificatore Relational Neighbor

rNeighbors <- c(4,3,3,5,3,2,3,0,1,0)
pNeighbors <- c(0,0,1,1,0,2,2,3,3,2)

rRelationalNeighbor <- rNeighbors / (rNeighbors + pNeighbors)
rRelationalNeighbor

1.00 1.00 0.75 0.86 1.00 0.50 0.60 0.00 0.00 0.00

Esercitiamoci!

Analitica predittiva con dati di rete in R