링크 기반 특징

이 연습 문제에서는 네트워크의 Churn 속성과 인접 행렬을 곱해 1차 링크 기반 특징을 계산해 보겠습니다.

참고로, 이탈 여부는 이진 지표이므로 Churn 속성은 이탈자는 1, 비이탈자는 0입니다. 따라서 1-Churn 속성은 비이탈자는 1, 이탈자는 0이 됩니다. 이는 비이탈 이웃 수를 계산할 때 유용합니다.

이 연습은 강의의 일부입니다

R로 배우는 네트워크 데이터 기반 Predictive Analytics

강의 보기

연습 안내

ChurnNeighbors 속성(이탈한 이웃의 수)을 계산하세요. AdjacencyMatrix에 network의 Churn 속성을 곱하고, 결과에 as.vector()를 적용한 뒤 네트워크에 추가합니다.
같은 방식으로 NonChurnNeighbors(비이탈 이웃의 수)도 계산하세요.
RelationalNeighbor 속성(이웃 중 이탈자의 비율)을 계산하세요. ChurnNeighbors를 ChurnNeighbors와 NonChurnNeighbors의 합으로 나눕니다.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)$___ + V(network)$___))

코드 편집 및 실행