機率式關係式鄰居分類器
在這個練習中，你會套用「機率式關係式鄰居分類器」，根據其他節點既有的退訂先驗機率來推論各節點的退訂機率。
假設你不是知道每個節點的標籤，而是像下面的圖一樣，知道每個節點的退訂機率。在圖中，C 代表退訂，NC 代表未退訂。
接著，和先前相同，你可以把每個節點的退訂機率，更新為其鄰居節點退訂機率的平均值。
本練習屬於課程
使用 R 進行網路化資料的預測分析
練習說明
- 找出向量
churnProb中第 44 位顧客的退訂機率。 - 將
AdjacencyMatrix乘上churnProb，再除以包含各鄰域大小的向量neighbors，以更新退訂機率。我們已在矩陣運算外加上as.vector()。把結果指定給churnProb_updated。 - 找出向量
churnProb_updated中第 44 位顧客更新後的退訂機率。 - 第 44 位顧客的退訂機率發生了什麼變化？
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Find churn probability of the 44th customer
churnProb[___]
# Update the churn probabilties and the non-churn probabilities
churnProb_updated <- as.vector((AdjacencyMatrix %*% ___) / ___)
# Find updated churn probability of the 44th customer
churnProb_updated[___]