爲什麼不是optimal_count給出正確的結果？

我想了解python-igraph，特別是community_walktrap函數。我創建了下面的例子：爲什麼不是optimal_count給出正確的結果？

import numpy as np 
import igraph 

mat = np.zeros((200,200)) + 50 
mat[20:30,20:30] = 2 
mat[80:90,80:90] = 2 

g = igraph.Graph.Weighted_Adjacency(mat.tolist(), 
            mode=igraph.ADJ_DIRECTED) 
wl = g.community_walktrap(weights=g.es['weight'])

我會承擔社區的最佳數量爲3，但運行

print wl.optimal_count

給我1。如果我強迫樹狀圖在3 wl.as_clustering(3)被削減我收到了一份正確的會員名單。我在做什麼與optimal_count錯了？

來源

2015-02-05 brorfred

爲什麼你認爲最優聚類數應該是3？在我看來，除了連接較弱的兩個小組之外，所有節點之間都有很強的連接（它們的權重爲50）。請注意，igraph中的聚類方法期望權重表示相似度，而不是距離。還要注意，igraph中的大多數聚類算法對定向網絡來說都沒有很好的定義（有些甚至只是拒絕定向網絡）。

wl.optimal_count簡單計算所謂的模塊性度量（請參閱Graph類的modularity()方法），然後選擇模塊性最高的羣集計數。只有一個羣集的模塊性爲零（這是衡量如何按定義工作的）。有三個集羣模塊化約爲-0.0083，這樣的igraph是正確的選擇一個集羣，而不是隻有三個：

>>> wl.as_clustering(3).modularity 
-0.00829996846600007 
>>> wl.as_clustering(1).modularity 
0.0

來源

2015-02-06 04:17:14

呀，你是右我假定輸入矩陣是建立一個連接矩陣，其中高的數字指示很長的距離。將網格標準化爲mat = np.zeros（（200,200））+ 1./50和mat [20：30,20：30] = 1;墊[80：90,80：90] = 1給我正確的答案。 – brorfred 2015-02-06 13:22:29

爲什麼不是optimal_count給出正確的結果？

回答

相關問題