1. Nauka
    2. /
  2. Kursy
    3. /
  3. Studia przypadków: analiza sieci w R
Connected

ćwiczenie

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?

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Oblicz nieważoną centralność własną za pomocą eigen_centrality(). Ta nieważona wersja przyjmuje te same argumenty co wersja ważona, z dodatkowym argumentem weights ustawionym na NA.