Link-basierte Features zweiter Ordnung

In dieser Übung berechnest du die Anzahl und das Verhältnis von Churn- und Nicht-Churn-Nachbarn in der Nachbarschaft zweiter Ordnung. Das Vorgehen ist dasselbe wie in der vorherigen Übung, nur dass du jetzt die Adjazenzmatrix der zweiten Ordnung verwendest.

Diese Übung ist Teil des Kurses

<Kurs>Predictive Analytics mit vernetzten Daten in R</Kurs>

Kurs ansehen

Übungsanweisungen

Berechne die Anzahl der Churn-Nachbarn in der Nachbarschaft zweiter Ordnung mithilfe von SecondOrderMatrix und dem Attribut Churn. Wandle das Ergebnis mit as.vector() um und füge es als ChurnNeighbors2 zu network hinzu.
Berechne außerdem NonChurnNeighbors2, die Anzahl der Nicht-Churn-Nachbarn in der Nachbarschaft zweiter Ordnung.
Ermittle RelationalNeighbor2, das Verhältnis der Churner in der Nachbarschaft zweiter Ordnung, indem du ChurnNeighbors2 durch die Summe aus ChurnNeighbors2 und NonChurnNeighbors2 teilst.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Compute the number of churners in the second order neighborhood
V(network)$ChurnNeighbors2 <- as.vector(___ %*% V(network)$___)

# Compute the number of non-churners in the second order neighborhood
V(network)$___ <- as.vector(___ %*% (1 - V(network)$___))

# Compute the relational neighbor probability in the second order neighborhood
V(network)$___ <- as.vector(V(network)$___ / 
    (V(network)$___ + V(network)$___))

Code bearbeiten und ausführen