Рандомизации взвешенной кластеризации
Мы можем видеть подтверждение гипотезы о том, что граф с низкой связностью будет иметь и очень высокую кластеризацию — значительно выше, чем в случайном графе. Однако наш граф — это не просто неориентированный граф: он также содержит веса, отражающие количество поездок. Поэтому при рандомизации нам нужно учесть несколько моментов. Во-первых, взвешенная версия метрики является только локальной, то есть значение транзитивности вычисляется для каждой вершины. Во-вторых, случайный граф не включает веса. Чтобы решить обе эти задачи, мы будем использовать среднюю транзитивность вершин и применим несколько более сложную схему рандомизации.
Чтобы вычислить взвешенную транзитивность вершин сети, задайте параметру type значение "weighted" при вызове transitivity().
Сеть поездок trip_g_simp уже доступна.
Это упражнение является частью курса
Примеры из практики: анализ сетей в R
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Find the mean local weighted clustering coeffecient using transitivity()
actual_mean_weighted_trans <- mean(___(___, type = "weighted"))
# Calculate the order
n_nodes <- ___(trip_g_simp)
# Calculate the edge density
edge_dens <- edge_density(___)
# Get edge weights
edge_weights <- E(___)$___