R igraph 手册页

predict_edges {igraph}

R 文档

基于分层随机图模型预测边

描述

predict_edges 使用分层随机图模型来预测网络中缺失的边。这是通过对最优模型周围的分层模型进行抽样，并按其似然性成比例地进行抽样来实现的。如果给定了 hrg 且 start 参数设置为 TRUE，则从 hrg 开始 MCMC 抽样。否则，首先将 HRG 拟合到图中。

用法

predict_edges(
  graph,
  hrg = NULL,
  start = FALSE,
  num.samples = 10000,
  num.bins = 25
)

参数

图	拟合模型的图。在有向图中，边方向将被忽略。
hrg	分层随机图模型，以 igraphHRG 对象的形式存在。 predict_edges 允许它也为 NULL，然后首先从随机起点将 HRG 拟合到图中。
开始	逻辑值，指示是否从提供的 igraphHRG 对象开始拟合/抽样，还是从随机起点开始。
num.samples	用于共识生成或缺失边预测的样本数量。
num.bins	边概率的箱子数量。为了获得更准确的预测，请提供更高的数字。

值

包含以下条目的列表

边	预测的边，以顶点 ID 的两列矩阵形式。
prob	根据拟合模型，这些边的概率。
hrg	（提供或拟合的）分层随机图模型。

参考

A. Clauset, C. Moore, and M.E.J. Newman. Hierarchical structure and the prediction of missing links in networks. Nature 453, 98–101 (2008);

A. Clauset, C. Moore, and M.E.J. Newman. Structural Inference of Hierarchies in Networks. In E. M. Airoldi et al. (Eds.): ICML 2006 Ws, Lecture Notes in Computer Science 4503, 1–13. Springer-Verlag, Berlin Heidelberg (2007).

参见

其他分层随机图函数：consensus_tree(), fit_hrg(), hrg-methods, hrg_tree(), hrg(), print.igraphHRGConsensus(), print.igraphHRG(), sample_hrg()

示例

## We are not running these examples any more, because they
## take a long time (~15 seconds) to run and this is against the CRAN
## repository policy. Copy and paste them by hand to your R prompt if
## you want to run them.

## Not run: 
## A graph with two dense groups
g <- sample_gnp(10, p=1/2) + sample_gnp(10, p=1/2)
hrg <- fit_hrg(g)
hrg

## The consensus tree for it
consensus_tree(g, hrg=hrg, start=TRUE)

## Prediction of missing edges
g2 <- make_full_graph(4) + (make_full_graph(4) - path(1,2))
predict_edges(g2)

## End(Not run)

---