Рандомізації для кластеризації з вагами
Ми бачимо підтвердження гіпотези, що граф із низькою зв'язністю також матиме дуже високу кластеризацію — значно вищу, ніж випадково. Але наш граф — це не просто неорієнтований граф: у ньому є ваги, що відображають кількість поїздок. Отже, у рандомізації потрібно врахувати кілька речей. По-перше, зважена версія метрики є локальною, тобто значення транзитивності обчислюється для кожної вершини. По-друге, випадковий граф не містить ваг. Щоб розв'язати обидві проблеми, розглянемо середню транзитивність вершин і реалізуємо трохи складнішу схему рандомізації.
Щоб обчислити зважену вершинну транзитивність мережі, встановіть type у значення "weighted" у виклику transitivity().
Мережа поїздок на велосипедах 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.
# 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(___)$___