以網路為基礎推論的挑戰

使用 R 進行網路化資料的預測分析

María Óskarsdóttir, Ph.D.

Post-doctoral researcher

第一個挑戰

切分資料！

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

第二個挑戰

資料集中的觀測值並非獨立同分配（iid）

IID

第三個挑戰

集體推論！

IID

機率式關係式鄰居分類器

# 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

一起來練習吧！

使用 R 進行網路化資料的預測分析