Рандомізації кластеризації без ваг
Ми побачили, що граф велосипедних поїздок має дуже низьку зв'язність порівняно з випадковим графом. Це не дивно, адже очікуємо, що граф, який відображає географічний простір, матиме ділянки, з'єднані вузькими „коридорами", тож від'єднати такий граф досить легко. Звідси випливає, що, ймовірно, існують географічні кластери, всередині яких зв'язків багато, а з іншими кластерами — значно менше. Це припущення можна перевірити, подивившись на транзитивність мережі, або коефіцієнт кластеризації — поняття з нашого вступного уроку. Існує кілька типів коефіцієнтів кластеризації, але ми розглядатимемо глобальне визначення (фактично частку повністю замкнутих трикутників) — те саме, що було висвітлено раніше. Спершу подивимося на невагову версію графа і порівняємо її з випадковим графом.
Щоб обчислити глобальну транзитивність мережі, у виклику transitivity() встановіть для type значення "global".
Мережа велосипедних поїздок trip_g_simp доступна.
Ця вправа є частиною курсу
Приклади: аналіз мереж у R
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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 <- ___(___)