Ważone miary centralności
Kolejną popularną miarą ważności wierzchołków jest centralność. Można ją obliczać na różne sposoby – w tej lekcji skupimy się na dwóch metrykach: centralności własnej (eigen centrality) i bliskości (closeness). Centralność własna była już omawiana wcześniej; bliskość to natomiast inny sposób oceny centralności, który uwzględnia, jak blisko danego wierzchołka znajdują się wszystkie pozostałe. We wcześniejszych lekcjach nie rozróżnialiśmy jawnie wersji ważonych i nieważonych miar centralności. W tej lekcji obliczysz obie wersje i sprawdzisz, czy wyniki się różnią.
Czy w poniższym przykładzie spodziewasz się uzyskać za każdym razem ten sam wierzchołek? Jak myślisz, jakie będą największe różnice między metrykami lub między wersją ważoną a nieważoną?
To ćwiczenie jest częścią kursu
Studia przypadków: analiza sieci w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# This calculates weighted eigen-centrality
ec_weight <- eigen_centrality(trip_g_simp, directed = TRUE)$vector
# Calculate unweighted eigen-centrality
ec_unweight <- eigen_centrality(___, directed = ___, weights = ___)$vector