Metrik dari waktu ke waktu
Sejauh ini, kita telah melihat produk yang mendorong pembelian lain dengan memeriksa out degree-nya. Namun, sampai pelajaran terakhir kita hanya melihat satu cuplikan waktu saja. Pertanyaannya, apakah produk-produk ini menunjukkan out degree yang serupa pada setiap langkah waktu? Bagaimanapun, sebuah produk yang mendorong pembelian lain bisa saja bersifat idiosinkratik, atau jika lebih stabil dari waktu ke waktu, hal itu dapat mengindikasikan bahwa produk tersebut memang mendorong pembelian bersama. Untuk menjawab pertanyaan ini, kita akan melanjutkan kode yang sudah kita bahas sebelumnya yang menghasilkan sebuah list berisi graf pada setiap langkah waktu.
Latihan ini adalah bagian dari kursus
Studi Kasus: Analisis Jaringan di R
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Loop over time graphs calculating out degree
degree_count_list <- lapply(___,___, mode = ___)
# Flatten it
degree_count_flat <- ___
degree_data <- data.frame(
# Use the flattened counts
degree_count = ___,
# Use the names of the flattened counts
vertex_name = names(___),
# Repeat the dates by the lengths of the count list
date = rep(___, ___(___))
)