R igraph 手册页

compare {igraph}

R 文档

使用各种指标比较社区结构

描述

此函数评估两个社区结构之间的距离。

用法

compare(
  comm1,
  comm2,
  method = c("vi", "nmi", "split.join", "rand", "adjusted.rand")
)

参数

comm1	一个包含社区结构的communities 对象；或一个数值向量，即第一个社区结构的成员向量。成员向量应包含每个顶点的社区 ID，社区编号从 1 开始。
comm2	一个包含社区结构的communities 对象；或一个数值向量，即第二个社区结构的成员向量，格式与前一个参数相同。
method	字符标量，要使用的比较方法。可能的值：“vi”是 Meila (2003) 的信息变异 (VI) 度量，“nmi”是 Danon 等人提出的归一化互信息度量。(2005)，“split.join”是 can Dongen (2000) 的拆分-合并距离，“rand”是 Rand (1971) 的 Rand 指数，“adjusted.rand”是 Hubert 和 Arabie (1985) 的调整 Rand 指数。

值

一个实数。

作者

Tamas Nepusz ntamas@gmail.com

参考

Meila M：通过信息变异比较聚类。见：Scholkopf B, Warmuth MK（编辑）。学习理论和核机器：第 16 届计算学习理论年会和第 7 届核研讨会，COLT/Kernel 2003，美国华盛顿特区。计算机科学讲义，第 2777 卷，Springer，2003。ISBN：978-3-540-40720-1。

Danon L, Diaz-Guilera A, Duch J, Arenas A：比较社区结构识别。J Stat Mech P09008, 2005。

van Dongen S: 图聚类和马尔可夫聚类实验的性能标准。技术报告 INS-R0012，荷兰国家数学和计算机科学研究所，阿姆斯特丹，2000 年 5 月。

Rand WM：聚类方法评估的客观标准。J Am Stat Assoc 66(336):846-850, 1971。

Hubert L 和 Arabie P：比较分区。分类杂志 2:193-218, 1985。

参见

参见 cluster_walktrap、cluster_spinglass、cluster_leading_eigen、cluster_edge_betweenness、cluster_fast_greedy、cluster_label_prop cluster_louvain cluster_leiden，了解各种社区检测方法。

示例

g <- make_graph("Zachary")
sg <- cluster_spinglass(g)
le <- cluster_leading_eigen(g)
compare(sg, le, method="rand")
compare(membership(sg), membership(le))

---