我可以为图表考虑哪些聚类算法？

Question

假设我有一个无向加权连通图。我想分组具有最高边缘的顶点＆＃39;共同价值（顶点度数）。使用聚类算法是一种方法。我可以为此任务考虑哪些聚类算法？我希望很清楚;如有任何澄清的问题，请询问。感谢。

Answer 1

有两种主要方法 - 将图形作为现有工具的输入，或者使用您在此图形（及其域）上的专业知识来创建表示，然后在其上应用机器学习方法。 / p>

我将从第二种方法开始：

如果只有节点和边（每个节点没有更远的数据），首先需要考虑每个节点\ edge的表示。我将解释节点，但它应该类似于边缘＆＃39;情况下。

最简单的方法是将每个节点n表示为连接向量：

每个节点都将表示为n=(Ia(n),Ib(n),Ic(n),Id(n),Ie(n))，其中Ii(n)=1，以防节点n是朋友＆＃39;节点i的（邻居），否则为0。 （例如a=(0,1,1,0,1)）

请注意，您可以决定某个节点是否为其自身的朋友。

与第一种方法非常相似的第二种方法是使用边缘＆＃39;权重矢量：

n=(W(a,n),W(b,n),W(c,n),W(d,n),W(e,n))，其中W(i,n)是边(i,n)的权重。

还有一些表示节点的方法，但这足以在其上运行一些计算。

完成此演示后，您可以开始在其上应用一些聚类算法。

kmeans被认为对此任务非常有用，sklearn has a great implementation。它有一些你可以（并且应该）配置的参数（即距离测量）。

kmeans的乘积是k个不相交的非交叉节点组。

如果您想将图表传递给算法并采取一些措施，可以应用更多高级算法。 community detection用于在图表中查找社区。同样，networkx包中有一个很好的python implementation。