Probabilistyczny klasyfikator relacyjny oparty na sąsiadach
W tym ćwiczeniu zastosujesz probabilistyczny klasyfikator relacyjny oparty na sąsiadach, aby wnioskować o prawdopodobieństwach odejścia na podstawie wcześniejszych prawdopodobieństw odejścia pozostałych węzłów.
Zamiast znać etykiety węzłów, przyjmij, że znasz prawdopodobieństwo odejścia każdego węzła – tak jak na obrazku poniżej. Na obrazku C oznacza odejście (churn), a NC brak odejścia (non-churn).
Podobnie jak poprzednio, możesz zaktualizować prawdopodobieństwo odejścia węzłów, obliczając średnią prawdopodobieństw odejścia ich sąsiadów.
To ćwiczenie jest częścią kursu
Predykcyjna analityka sieciowa w R
Instrukcje do ćwiczenia
- Znajdź prawdopodobieństwo odejścia 44. klienta w wektorze
churnProb. - Zaktualizuj prawdopodobieństwo odejścia, mnożąc
AdjacencyMatrixprzezchurnProbi dzieląc przez wektorneighborszawierający rozmiary sąsiedztw. Wokół operacji na macierzach dodaliśmy funkcjęas.vector(). Wynik przypisz dochurnProb_updated. - Znajdź zaktualizowane prawdopodobieństwo odejścia 44. klienta w wektorze
churnProb_updated. - Co się zmieniło w prawdopodobieństwie odejścia 44. klienta?
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Find churn probability of the 44th customer
churnProb[___]
# Update the churn probabilties and the non-churn probabilities
churnProb_updated <- as.vector((AdjacencyMatrix %*% ___) / ___)
# Find updated churn probability of the 44th customer
churnProb_updated[___]