การสุ่มแบบ Clustering ที่ไม่ถ่วงน้ำหนัก
จากที่เราเห็นมาแล้วว่ากราฟจักรยานมีค่าการเชื่อมต่อต่ำมากเมื่อเทียบกับกราฟสุ่ม ซึ่งไม่น่าแปลกใจ เพราะกราฟที่แสดงพื้นที่ทางภูมิศาสตร์มักมีบางส่วนที่เชื่อมต่อกันผ่านช่องทางแคบ ทำให้กราฟแตกออกจากกันได้ง่าย จึงเป็นไปได้ว่ามีกลุ่ม (cluster) ทางภูมิศาสตร์ที่เชื่อมต่อกันแน่นภายในกลุ่ม แต่เชื่อมต่อกับกลุ่มอื่นน้อยกว่า เราสามารถทดสอบสมมติฐานนี้ได้โดยดูที่ค่า transitivity ของเครือข่าย หรือที่เรียกว่า clustering coefficient ซึ่งเป็นแนวคิดที่แนะนำไปแล้วในบทเรียนพื้นฐาน มีค่า clustering coefficient หลายแบบ แต่เราจะใช้นิยามแบบ global (ซึ่งวัดสัดส่วนของสามเหลี่ยมปิดสมบูรณ์) ซึ่งเป็นแบบเดียวกับที่ครอบคลุมไปก่อนหน้านี้ โดยจะเริ่มจากกราฟที่ไม่ถ่วงน้ำหนักก่อน แล้วนำไปเปรียบเทียบกับกราฟสุ่ม
หากต้องการคำนวณค่า global transitivity ของเครือข่าย ให้ตั้งค่า type เป็น "global" ในการเรียกใช้ transitivity()
เครือข่ายการเดินทางจักรยาน trip_g_simp พร้อมใช้งานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
กรณีศึกษา: การวิเคราะห์เครือข่ายใน R
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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 <- ___(___)