개인화 PageRank

이 연습 문제에서는 PageRank와 개인화 PageRank 알고리즘의 차이를 살펴보겠습니다. 두 개의 상자 그림으로 이탈 고객과 비이탈 고객의 점수 분포를 보여주는 boxplots 함수를 사용할 수 있어요. 이 함수는 두 가지 인수를 가집니다:

damping: 감쇠 계수의 값을 지정합니다. 기본값은 0.85입니다.
personalized: 개인화 PageRank 알고리즘 사용 여부를 나타내는 Boolean 매개변수입니다. TRUE이면 네트워크에서 이탈 고객은 재시작 벡터가 1, 비이탈 고객은 0이 됩니다. 기본값은 FALSE로, 개인화하지 않습니다.

이 연습은 강의의 일부입니다

R로 배우는 네트워크 데이터 기반 Predictive Analytics

강의 보기

연습 안내

감쇠 계수를 0.85로 설정해, 표준 PageRank 점수의 분포를 보기 위해 boxplots 함수를 적용하세요.
감쇠 계수를 0.85로 설정해, 개인화 PageRank 점수의 분포를 보기 위해 boxplots 함수를 적용하세요.
감쇠 계수를 0.2로 설정해, 표준 PageRank 점수의 분포를 보기 위해 boxplots 함수를 적용하세요.
감쇠 계수를 0.99로 설정해, 개인화 PageRank 점수의 분포를 보기 위해 boxplots 함수를 적용하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Look at the distribution of standard PageRank scores
boxplots(damping = ___)

# Inspect the distribution of personalized PageRank scores
boxplots(damping = ___, personalized = ___)

# Look at the standard PageRank with damping factor 0.2
boxplots(damping = ___)

# Inspect the personalized PageRank scores with a damping factor 0.99
boxplots(___, ___)

코드 편집 및 실행