Caractéristiques basées sur les liens

Dans cet exercice, vous allez calculer des caractéristiques de premier ordre basées sur les liens en multipliant l’attribut Churn du réseau par la matrice d’adjacence du réseau.

Notez que, comme le churn est un indicateur binaire, l’attribut Churn vaut 1 pour les churners et 0 pour les non-churners. Par conséquent, l’attribut 1-Churn vaut 1 pour les non-churners et 0 pour les churners. Cela est utile pour calculer le nombre de voisins non-churners.

Cet exercice fait partie du cours

Analytique prédictive avec des données en réseau sous R

Afficher le cours

Instructions

Calculez l’attribut ChurnNeighbors, c’est-à-dire le nombre de voisins qui ont churné, en multipliant AdjacencyMatrix par l’attribut Churn de network. Appliquez as.vector() au résultat et ajoutez-le au réseau.
De même, calculez NonChurnNeighbors, c’est-à-dire le nombre de voisins non-churners.
Calculez l’attribut RelationalNeighbor, le ratio de churners dans le voisinage, en divisant ChurnNeighbors par la somme de ChurnNeighbors et NonChurnNeighbors.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Compute the number of churn neighbors
V(network)$ChurnNeighbors <- as.vector(___ %*% V(network)$___)

# Compute the number of non-churn neighbors
V(network)$___ <- as.vector(___ %*% (1 - V(network)$___))

# Compute the relational neighbor probability
V(network)$RelationalNeighbor <- as.vector(V(network)$___ / 
    (V(network)$___ + V(network)$___))

Modifier et exécuter le code