Graf bipartit dan sistem rekomendasi

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Latihan ini merupakan bagian dari kursus

Analisis Jaringan Menengah di Python

SkillTag.level.advancedSkillTag.label

4.8+

80 reviews

Mulai Kursus Gratis

Pada bab ini, Anda akan mempelajari graf bipartit dan cara penggunaannya dalam sistem rekomendasi. Anda akan mengeksplorasi himpunan data GitHub dari kursus sebelumnya, kali ini menganalisis graf bipartit dasar yang digunakan untuk membuat graf yang telah Anda gunakan sebelumnya. Terakhir, Anda akan berkesempatan membangun komponen dasar sistem rekomendasi menggunakan data GitHub!

Exercise 1: Definisi & ulasan dasar Exercise 2: Analisis data eksploratori Exercise 3: Memplot dengan nxviz Exercise 4: Graf bipartit Exercise 5: Kata kunci bipartite Exercise 6: Distribusi degree centrality untuk simpul pengguna Exercise 7: Distribusi degree centrality dari simpul proyek Exercise 8: Graf bipartit dan sistem rekomendasi

Latihan Saat Ini

Exercise 9: Node bersama di partisi lain Exercise 10: Metrik kemiripan pengguna Exercise 11: Temukan pengguna yang mirip Exercise 12: Rekomendasikan repositori

Pada bab ini, Anda akan menggunakan himpunan data terkenal dari American Revolution untuk menggali lebih dalam eksplorasi graf bipartit. Di sini, Anda akan mempelajari cara membuat proyeksi unipartit dari graf bipartit, sebuah metode yang sangat berguna untuk menyederhanakan jaringan kompleks guna analisis lanjutan. Selain itu, Anda akan mempelajari cara menggunakan matriks untuk memanipulasi dan menganalisis graf—dengan banyak rutin komputasi yang dioptimalkan untuk matriks, Anda dapat menganalisis banyak graf berukuran besar secara cepat dan efisien!

Exercise 1: Konsep proyeksi Exercise 2: Membaca graf Exercise 3: Menghitung proyeksi Exercise 4: Plot degree centrality pada proyeksi Exercise 5: Graf bipartit sebagai matriks Exercise 6: Sifat-sifat matriks ketetanggaan bipartit.Exercise 7: Hitung adjacency matrix Exercise 8: Temukan keanggotaan bersama: Transposisi Exercise 9: Merepresentasikan data jaringan dengan pandas Exercise 10: Buat nodelist Exercise 11: Buat edgelist

Pada bab ini, Anda akan menyelami cara-cara mendasar untuk menganalisis graf yang berubah seiring waktu. Anda akan mengeksplorasi himpunan data yang menggambarkan frekuensi pesan antarmahasiswa, dan mempelajari cara memvisualisasikan statistik graf yang terus berkembang.

Exercise 1: Pengantar perbedaan graf Exercise 2: Daftar graf Exercise 3: Perbedaan graf seiring waktu Exercise 4: Plot jumlah perubahan edge sepanjang waktu Exercise 5: Statistik grafik yang berkembang Exercise 6: Jumlah sisi dari waktu ke waktu Exercise 7: Degree centrality dari waktu ke waktu Exercise 8: Melihat lebih dekat & lebih jauh: Ringkasan grafik secara keseluruhan Exercise 9: Temukan simpul dengan degree centrality teratas Exercise 10: Memvisualisasikan konektivitas

Pada bab ini, Anda akan menerapkan semua yang telah Anda pelajari pada tiga bab sebelumnya ke himpunan data posting forum. Anda akan menganalisis perubahan temporal dalam pola keterhubungan pengguna forum, dan membuat visualisasi statistik graf yang berkembang dari waktu ke waktu.

Exercise 1: Pendahuluan ke himpunan data Exercise 2: Buat graf dari pandas DataFrame Exercise 3: Visualisasikan distribusi degree centrality dari proyeksi siswa Exercise 4: Visualisasikan distribusi degree centrality dari proyeksi forums Exercise 5: Penyaringan berbasis waktu Exercise 6: Penyaring waktu pada edge Exercise 7: Visualisasikan graf terfilter menggunakan nxviz Exercise 8: Analisis deret waktu Exercise 9: Plot jumlah kiriman yang dibuat seiring waktu Exercise 10: Ekstrak rerata degree centrality per hari pada partisi mahasiswa Exercise 11: Cari forum terpopuler dari hari ke hari: I Exercise 12: Temukan forum terpopuler per hari: II Exercise 13: Selamat!