Viktad klusteringsrandomisering
Vi kan se stöd för hypotesen att ett graf med låg sammankoppling också har mycket hög klustring – betydligt högre än vad slumpen skulle ge. Men vårt graf är mer än bara ett riktat graf utan vikter: det har också vikter som representerar antalet resor. Vi behöver därför ta hänsyn till flera saker i randomiseringen. För det första är den viktade versionen av måttet bara lokal, vilket innebär att ett transitivitetsvärde beräknas för varje vertex. För det andra saknar det slumpmässiga grafet vikter. För att lösa båda problemen tittar vi på den genomsnittliga vertextransitiviteten och implementerar ett något mer avancerat randomiseringsschema.
För att beräkna den viktade vertextransitiviteten i ett nätverk behöver du ange type som "weighted" i anropet till transitivity().
Cykelnätverket trip_g_simp finns tillgängligt.
Den här övningen är en del av kursen
Fallstudier: Nätverksanalys i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(___)$___