Změny v PageRanku

Vzorec PageRanku \(\vec{PR}=\alpha \cdot A \cdot \vec{PR} + (1-\alpha)\cdot \vec{e}\) lze pro \(\vec{PR}\) řešit iterativně. V každé iteraci se aktuální hodnota \(\vec{PR}\) použije k výpočtu nové hodnoty, která je blíže té skutečné. To znamená, že rozdíl mezi hodnotami \(\vec{PR}\) každých dvou po sobě jdoucích iterací se postupně zmenšuje, dokud \(\vec{PR}\) neskonverguje ke skutečné hodnotě a rozdíl se nestane (téměř) nulovým. V tomto cvičení se podíváš na algoritmus PageRank a na to, jak konverguje.

Vypočítej jednu iteraci algoritmu PageRank pomocí funkce page.rank() se sítí network a parametrem niter=1. Extrahuj vektorový atribut a výsledek ulož do proměnné iter1.
Zopakuj předchozí krok s niter=2. Výsledek ulož do proměnné iter2.
Vypočítej součet absolutních rozdílů mezi vektory iter1 a iter2.
Hodnoty iter9 a iter10 jsme vypočítali stejným způsobem jako iter1 a iter2. Je rozdíl mezi těmito dvěma iteracemi menší než rozdíl mezi iteracemi 1 a 2?

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}cvičení

Pokyny

cvičení