Kenar türlerini çıkarma

Bu egzersizde, her bir kenarın churn, churn değil veya karışık bir kenar olup olmadığını bulmak için müşteri veri çerçevesindeki müşteri kimliklerini müşteri kenar listesiyle eşleştireceksin. match() fonksiyonunu kullanarak kenar listesine iki sütun ekleyeceksin.

from sütununun churn durumunu içeren fromLabel
to sütununun churn durumunu içeren toLabel

match(x, y) komutu, x'in y içindeki konumlarının yer aldığı bir vektör döndürür. Yukarıdaki şekilde match(edgeList$from, customers$id) değeri 1,1,1,2,2'dir. Örneğin, edgeList$from içindeki dördüncü satır, yani kimliği 393 olan müşteri, customers$id içinde ikinci elemandır. Bu müşterinin churn etiketi bu nedenle customers[2,2] ya da 0'dır. Benzer şekilde, edgeList$from içindekilerin tamamının churn etiketi customers[match(edgeList$from, customers$id),2] olur.

Bu egzersiz, kursun bir parçasıdır

R ile Ağ Verileri Kullanarak Predictive Analytics

Kursa Göz Atın

Egzersiz talimatları

customers$id ile edgeList$from değerlerini eşleştirip customers$churn'ü çıkararak, edgeList veri çerçevesine from düğümlerinin etiketini içeren FromLabel adlı bir sütun ekle.
Aynısını to kenarları için yap ve bu sütuna ToLabel adını ver.
edgeList veri çerçevesine, FromLabel ve ToLabel sütunlarının toplamı olan edgeType adlı bir sütun ekle.
Her bir kenar türünün sayısını görmek için table() fonksiyonunu kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Add the column edgeList$FromLabel
edgeList$FromLabel <- customers[match(edgeList$___, customers$___), 2]
 
# Add the column edgeList$ToLabel
edgeList$ToLabel <- customers[___(___, ___), 2]
 
# Add the column edgeList$edgeType
edgeList$edgeType <- edgeList$___ + edgeList$___
 
# Count the number of each type of edge
___(edgeList$edgeType)

Kodu Düzenle ve Çalıştır