Eigenschappen van bipartiete adjacentiematrices.

Laten we de concepten over bipartiete grafen en hun adjacentiematrices herhalen.

Welke van de volgende uitspraken beschrijft bipartiete adjacentiematrices het beste?

Deze oefening maakt deel uit van de cursus

Gemiddelde netwerkanalyse in Python

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Deze oefening maakt deel uit van de cursus

Gemiddelde netwerkanalyse in Python

SkillTag.level.advancedSkillTag.label

4.8+

Begin gratis met de cursus

In dit hoofdstuk leer je over bipartite grafen en hoe ze worden gebruikt in aanbevelingssystemen. Je verkent de GitHub-gegevensset uit de vorige cursus, dit keer door de onderliggende bipartite graaf te analyseren die werd gebruikt om de graaf te maken die je eerder gebruikte. Tot slot krijg je de kans om de basiscomponenten van een aanbevelingssysteem te bouwen met de GitHub-data!

Exercise 1: Definities & korte herhaling Exercise 2: Verkennende data-analyse Exercise 3: Plotten met nxviz Exercise 4: Bipartiete grafen Exercise 5: Het bipartite-keyword Exercise 6: Verdeling van graad-centraliteit van gebruikersknooppunten Exercise 7: Verdeling van graadcentraliteit van projectknooppunten Exercise 8: Bipartiete grafen en aanbevelingssystemen Exercise 9: Gedeelde knooppunten in andere partitie Exercise 10: Overeenkomstmaat voor gebruikers Exercise 11: Vergelijkbare gebruikers vinden Exercise 12: Repositories aanbevelen

In dit hoofdstuk gebruik je een beroemde dataset over de Amerikaanse Revolutie om dieper in bipartite grafen te duiken. Je leert hoe je de unipartite projectie van een bipartite graaf maakt, een heel nuttige methode om een complex netwerk te vereenvoudigen voor verdere analyse. Daarnaast leer je hoe je matrices gebruikt om grafen te manipuleren en te analyseren — met veel rekenroutines geoptimaliseerd voor matrices kun je grote grafen snel en efficiënt analyseren!

Exercise 1: Het concept van projectie Exercise 2: Grafen inlezen Exercise 3: Projectie berekenen Exercise 4: Plot graadcentraliteit op projectie Exercise 5: Bipartiete grafen als matrices Exercise 6: Eigenschappen van bipartiete adjacentiematrices.

Huidige oefening

Exercise 7: Bereken de adjacentiematrix Exercise 8: Gedeeld lidmaatschap vinden: Transpositie Exercise 9: Netwerkgegevens weergeven met pandas Exercise 10: Maak een nodelist Exercise 11: Maak een edgelist

In dit hoofdstuk ga je in op de basismanieren waarop je grafen kunt analyseren die in de tijd veranderen. Je verkent een gegevensset die de berichtfrequentie tussen studenten beschrijft en leert hoe je belangrijke, evoluerende grafstatistieken visualiseert.

Exercise 1: Introductie tot verschillen tussen grafen Exercise 2: Lijst van grafen Exercise 3: Grafiekverschillen in de tijd Exercise 4: Plot het aantal randwijzigingen in de tijd Exercise 5: Veranderende grafiekstatistieken Exercise 6: Aantal randen in de tijd Exercise 7: Graadcentraliteit in de tijd Exercise 8: In- en uitzoomen: algemene graafsamenvatting Exercise 9: Vind knooppunten met hoogste graadcentraliteit Exercise 10: Connectiviteit visualiseren

In dit hoofdstuk pas je alles toe wat je in de vorige drie hoofdstukken hebt geleerd op een dataset met forumberichten. Je analyseert de temporele veranderingen in verbindingspatronen van forumgebruikers en maakt visualisaties van evoluerende grafstatistieken in de tijd.

Exercise 1: Introductie van de gegevensset Exercise 2: Maak een graaf van de pandas DataFrame Exercise 3: Visualiseer de verdeling van degree centrality van de studentenprojectie Exercise 4: Visualiseer de verdeling van degree centrality van de forumprojectie Exercise 5: Tijdgebaseerde filtering Exercise 6: Tijdfilter op randen Exercise 7: Gefilterde graaf visualiseren met nxviz Exercise 8: Tijdreeksanalyse Exercise 9: Plot het aantal geplaatste posts in de tijd Exercise 10: Haal de gemiddelde degree centrality per dag op voor de studentenpartitie Exercise 11: Vind de populairste forums per dag: I Exercise 12: Vind de populairste forums per dag: II Exercise 13: Gefeliciteerd!