Рандомизация невзвешенной кластеризации
Мы убедились, что граф поездок имеет очень низкую связность по сравнению со случайным графом. Это неудивительно: граф, отражающий географическое пространство, естественно содержит узкие «коридоры» связности, и разорвать его не составляет большого труда. Отсюда следует, что, вероятно, существуют географические кластеры, хорошо связанные внутри себя и слабее связанные с другими кластерами. Проверить эту гипотезу можно с помощью транзитивности сети, или коэффициента кластеризации — понятия, введённого в вводном курсе. Существует несколько видов коэффициентов кластеризации; мы рассмотрим глобальный (по сути, долю полностью замкнутых треугольников) — тот же, что рассматривался ранее. Для начала проанализируем невзвешенную версию графа и сравним её со случайным графом.
Чтобы вычислить глобальную транзитивность сети, передайте в функцию transitivity() аргумент type со значением "global".
Граф поездок trip_g_simp уже доступен.
Это упражнение является частью курса
Примеры из практики: анализ сетей в R
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Calculate global transitivity
actual_global_trans <- transitivity(___, type = "___")
# See the result
actual_global_trans
# Calculate the order
n_nodes <- ___(___)
# Calculate the edge density
edge_dens <- ___(___)