local_and_global_consistency

local_and_global_consistency(G, alpha=0.99, max_iter=30, label_name='label')

基于局部和全局一致性的节点分类

计算 Zhou 等人提出的局部和全局一致性算法的函数。

参数:

GNetworkX 图

alphafloat

钳位因子

max_iterint

允许的最大迭代次数

label_namestring

要预测的目标标签名称

返回值:

predictedlist

一个长度为 len(G) 的列表，包含每个节点的预测标签。

抛出:

NetworkXError

如果 G 中没有节点的属性为 label_name。

参考文献

Zhou, D., Bousquet, O., Lal, T. N., Weston, J., & Schölkopf, B. (2004). Learning with local and global consistency. Advances in neural information processing systems, 16(16), 321-328.

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.local_and_global_consistency(G)
>>> predicted
['A', 'A', 'B', 'B']