harmonic_function#

harmonic_function(G, max_iter=30, label_name='label')[source]#

基于调和函数的节点分类

Zhu 等人提出的计算调和函数算法的函数。

参数:

GNetworkX 图
max_iterint: 允许的最大迭代次数
label_namestring: 要预测的目标标签的名称

返回值:

predictedlist: 长度为 len(G) 的列表，其中包含每个节点的预测标签。

引发异常:

NetworkXError: 如果 G 中没有节点具有属性 label_name。

参考文献

Zhu, X., Ghahramani, Z., & Lafferty, J. (2003, August). Semi-supervised learning using gaussian fields and harmonic functions. In ICML (Vol. 3, pp. 912-919).

示例

>>> from networkx.algorithms import node_classification
>>> G = nx.path_graph(4)
>>> G.nodes[0]["label"] = "A"
>>> G.nodes[3]["label"] = "B"
>>> G.nodes(data=True)
NodeDataView({0: {'label': 'A'}, 1: {}, 2: {}, 3: {'label': 'B'}})
>>> G.edges()
EdgeView([(0, 1), (1, 2), (2, 3)])
>>> predicted = node_classification.harmonic_function(G)
>>> predicted
['A', 'A', 'B', 'B']