概率式关系邻居分类器
在本练习中，您将应用「概率式关系邻居分类器」来基于其他节点的先验流失概率推断各节点的流失概率。
假设您并不知道各节点的标签，而是像下图那样，知道每个节点的流失概率。图中，C 表示流失，NC 表示未流失。
与之前相同，您可以通过取相邻节点流失概率的平均值来更新各节点的流失概率。
本练习是课程的一部分
使用 R 进行网络数据的预测分析
练习说明
- 在向量
churnProb中找到第 44 位客户的流失概率。 - 通过用
AdjacencyMatrix乘以churnProb，再除以包含每个邻域大小的向量neighbors，来更新流失概率。我们已在矩阵运算外加上了as.vector()。将结果赋给churnProb_updated。 - 在向量
churnProb_updated中找到第 44 位客户更新后的流失概率。 - 第 44 位客户的流失概率发生了什么变化？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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[___]