Dyadicity von Churnern
In dieser Übung berechnest du die Dyadicity unter den Churnern im Netzwerk, um zu sehen, ob sie mehr oder weniger Kanten teilen als in einer zufälligen Konfiguration des Netzwerks zu erwarten wäre.
Die Variablen ChurnNodes, ChurnEdges und connectance stehen dir zur Verfügung.
Für die erwartete Dyadicity verwende die Formel \( \frac{n_ C\cdot (n_ C - 1)}{2} \cdot p\), wobei \(n_C\) die Anzahl der Churner ist, \(N\) die Anzahl der Knoten und \(p\) die Connectance. Die Dyadicity der Churner ist das Verhältnis zwischen den tatsächlichen Churner-Kanten und der erwarteten Churn-Dyadicity.
Diese Übung ist Teil des Kurses
Predictive Analytics mit vernetzten Daten in R
Anleitung zur Übung
- Berechne die erwartete Dyadicity der Churner und weise sie der Variablen
ExpectedDyadChurnzu. - Berechne die Dyadicity der Churner, indem du
ChurnEdgesdurchExpectedDyadChurnteilst. Nenne diesen WertDyadChurn. - Prüfe
DyadChurn.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Compute the expected churn dyadicity
ExpectedDyadChurn <- ___ * (___) * connectance / 2
# Compute the churn dyadicity
DyadChurn <- ___ / ___
# Inspect the value
___