確率的リレーショナル・ネイバー分類器
この演習では、他ノードの事前の退会確率に基づいて退会確率を推定するために、probabilistic relational neighbor classifier（確率的リレーショナル・ネイバー分類器）を適用します。
ノードのラベルがわかっている代わりに、下図のように各ノードの退会確率がわかっているとします。図では、C は churn（退会）、NC は non-churn（非退会）を表します。
前と同様に、各ノードに隣接するノードの退会確率の平均を取ることで、そのノードの退会確率を更新できます。
この演習はコースの一部です
R で学ぶネットワークデータの予測分析
演習の手順
- ベクトル
churnProbから、44 番目の顧客の退会確率を確認します。 AdjacencyMatrixとchurnProbを掛け、近傍のサイズを格納したベクトルneighborsで割って退会確率を更新します。行列演算のまわりにはas.vector()を付けています。結果をchurnProb_updatedに代入してください。- ベクトル
churnProb_updatedから、44 番目の顧客の更新後の退会確率を確認します。 - 44 番目の顧客の退会確率はどのように変化しましたか？
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Find churn probability of the 44th customer
churnProb[___]
# Update the churn probabilties and the non-churn probabilities
churnProb_updated <- as.vector((AdjacencyMatrix %*% ___) / ___)
# Find updated churn probability of the 44th customer
churnProb_updated[___]