Question

我正在尝试理解python-igraph，特别是community_walktrap函数。我创建了以下示例：

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'])

我会假设社区的最佳数量为3，但正在运行

print wl.optimal_count

给我1.如果我强制将树形图切割为3 wl.as_clustering(3)，我会得到一个正确的会员列表。我对Optimal_count做错了什么？

Answer 1

为什么您认为最佳群集数应为3？在我看来，所有节点之间都有相当强的连接（它们的权重为50），除了连接较弱的两个小组。请注意，igraph中的聚类方法期望权重表示相似度，而不是距离。另请注意，igraph中的大多数聚类算法都没有为定向网络定义良好（其中一些甚至只是拒绝定向网络）。

对于它的价值，wl.optimal_count只需计算所谓的模块化度量（请参阅modularity()类的Graph方法），然后选择群集计数模块化程度最高。只有一个集群的模块化为零（这是测量按定义工作的方式）。具有三个簇的模块化大约为-0.0083，因此igraph只选择一个簇而不是三个：

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

为什么Optimal_count没有给出正确的结果？

1 个答案: