Mărire și micșorare: Rezumatul general al grafului

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Acest exercițiu face parte din cursul

Analiză intermediară a rețelelor în Python

SkillTag.level.advancedSkillTag.label

4.8+

79 reviews

Începe cursul gratuit

În acest capitol, vei învăța despre grafurile bipartite și modul în care sunt utilizate în sistemele de recomandare. Vei explora setul de date GitHub din cursul anterior, analizând de această dată graful bipartit de bază care a fost folosit pentru a crea graful cu care ai lucrat anterior. În final, vei avea ocazia să construiești componentele de bază ale unui sistem de recomandare folosind datele GitHub!

Exercise 1: Definiții și recapitulare Exercise 2: Analiza exploratorie a datelor Exercise 3: Vizualizare cu nxviz Exercise 4: Grafuri bipartite Exercise 5: Cuvântul cheie bipartite Exercise 6: Distribuția centralității de grad a nodurilor utilizator Exercise 7: Distribuția centralității de grad a nodurilor de tip proiect Exercise 8: Grafuri bipartite și sisteme de recomandare Exercise 9: Noduri comune în cealaltă partiție Exercise 10: Metrică de similaritate între utilizatori Exercise 11: Găsește utilizatori similari Exercise 12: Recomandă depozite

În acest capitol, vei folosi un celebru set de date despre Revoluția Americană pentru a explora mai în profunzime grafurile bipartite. Vei învăța cum să creezi proiecția unipartită a unui graf bipartit – o metodă foarte utilă pentru a simplifica o rețea complexă în vederea analizei ulterioare. În plus, vei învăța cum să folosești matrice pentru a manipula și analiza grafuri; cu numeroase rutine de calcul optimizate pentru matrice, vei putea analiza rapid și eficient grafuri de mari dimensiuni!

Exercise 1: Conceptul de proiecție Exercise 2: Citirea grafurilor Exercise 3: Calcularea proiecției Exercise 4: Reprezentarea grafică a centralității gradului pe proiecție Exercise 5: Grafuri bipartite ca matrice Exercise 6: Proprietățile matricelor de adiacență bipartite.Exercise 7: Calculează matricea de adiacență Exercise 8: Apartenența comună: transpunerea matricei Exercise 9: Reprezentarea datelor de rețea cu pandas Exercise 10: Creează lista de noduri Exercise 11: Creează lista de muchii

În acest capitol, vei explora metodele fundamentale de analiză a grafurilor care se modifică în timp. Vei lucra cu un set de date care descrie frecvența mesajelor dintre studenți și vei învăța cum să vizualizezi statistici importante ale unui graf în evoluție.

Exercise 1: Introducere în diferențele dintre grafuri Exercise 2: Listă de grafuri Exercise 3: Diferențe între grafuri în timp Exercise 4: Reprezintă grafic numărul de modificări ale muchiilor în timp Exercise 5: Statistici ale grafului în evoluție Exercise 6: Numărul de muchii în timp Exercise 7: Centralitatea de grad în timp Exercise 8: Mărire și micșorare: Rezumatul general al grafului

Exercițiul curent

Exercise 9: Găsește nodurile cu cele mai mari centralități după grad Exercise 10: Vizualizarea conectivității

În acest capitol, vei aplica tot ce ai învățat în cele trei capitole anterioare pe un set de date cu postări dintr-un forum. Vei analiza modificările temporale ale tiparelor de conectivitate ale utilizatorilor și vei crea vizualizări ale statisticilor unui graf în evoluție.

Exercise 1: Introducere în set de date Exercise 2: Creează un graf dintr-un DataFrame pandas Exercise 3: Vizualizează distribuția centralității gradului pentru proiecția studenților Exercise 4: Vizualizează distribuția centralității gradului pentru proiecția forumurilor Exercise 5: Filtrare bazată pe timp Exercise 6: Filtrare temporală pe muchii Exercise 7: Vizualizează graful filtrat cu nxviz Exercise 8: Analiza seriilor de timp Exercise 9: Reprezentarea grafică a numărului de postări în timp Exercise 10: Extrage centralitatea medie a gradului zi de zi pentru partiția studenților Exercise 11: Găsește cele mai populare forumuri zi de zi: I Exercise 12: Găsește cele mai populare forumuri zi de zi: II Exercise 13: Felicitări!