ความท้าทายของการอนุมานบนเครือข่าย

การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

ความท้าทายที่หนึ่ง

การแบ่งข้อมูล!

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

การแบ่งข้อมูล

ความท้าทายที่สอง

การสังเกตในชุดข้อมูลไม่ได้เป็นแบบอิสระและมีการแจกแจงเหมือนกัน (iid)

IID

ความท้าทายที่สาม

การอนุมานแบบกลุ่ม!

IID

ตัวแยกประเภทเพื่อนบ้านเชิงความน่าจะเป็นแบบสัมพันธ์

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

0.48

# probability non-churn (NC)
(0.1 + 0.8 + 0.9 + 0.6 + 0.2) / 5

0.52

มาฝึกกันเถอะ!

การวิเคราะห์เชิงพยากรณ์โดยใช้ข้อมูลเครือข่ายใน R