Relational Neighbor Classifier
在這個練習中，你會套用一個簡單的網路式分類器，稱為「關係式鄰居分類器」（relational neighbor classifier）。 它會利用相鄰節點的類別標籤，為網路中的每個節點計算退訂機率。 例如，在下圖中，紅色節點表示退訂者，白色節點表示非退訂者，藍色節點的退訂機率為 0.4。
你會拿到兩個向量：ChurnNeighbors 與 NonChurnNeighbors，分別代表每位顧客的鄰居中「已退訂」與「未退訂」的人數。
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
- 使用關係式鄰居分類器計算每位顧客的退訂機率
churnProb。 - 使用
which()找出退訂機率最高的顧客，將此向量命名為mostLikelyChurners。 - 使用
mostLikelyChurners找出退訂機率最高的顧客 ID。
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。
# Compute the churn probabilities
churnProb <- ___ / (ChurnNeighbors + ___)
# Find who is most likely to churn
mostLikelyChurners <- which(churnProb == ___(churnProb))
# Extract the IDs of the most likely churners
customers$id[___]