最近我们被要求撰写关于复杂网络分析的研究报告,包括一些图形和统计输出。
【视频】KMEANS均值聚类和层次聚类:R语言分析生活幸福质量系数可视化实例
KMEANS均值聚类和层次聚类:R语言分析生活幸福质量系数可视化实例
,时长06:05
相关视频:复杂网络分析CNA简介与R语言对婚礼数据聚类(社区检测)和可视化|数据分享
复杂网络分析CNA简介与R语言对婚礼数据聚类(社区检测)和可视化
为了用R来处理网络数据,我们使用婚礼数据集。
> nflo=network(flo,directed=FALSE)
> plot(nflo, displaylabels = TRUE,
+ boxed.labels =
+ FALSE)
下一步是igraph。由于我们有邻接矩阵,因此可以使用它
graph_from_adjacency_matrix(flo,
+ mode = "undirected")
我们可以在两个特定节点之间获得最短路径。我们给节点赋予适当的颜色
all_shortest_paths(iflo,
)
> plot(iflo)
我们还可以可视化边,需要从输出中提取边缘
> lins=c(paste(as.character(L)[1:4],
+ "--"
+ as.character(L)[2:5] sep="" ,
+ paste(as.character(L) 2:5],
+ "--",
> E(ifl )$color=c("grey","black")[1+EU]
> plot(iflo)
也可以使用D3js可视化
> library( networkD3 )
> simpleNetwork (df)
下一个问题是向网络添加一个顶点。最简单的方法是通过邻接矩阵实现概率
> flo2["f","v"]=1
> flo2["v","f"]=1
然后,我们进行集中度测量。
目的是了解它们之间的关系。
betweenness(ilo)
> cor(base)
betw close deg eig
betw 1.0000000 0.5763487 0.8333763 0.6737162
close 0.5763487 1.0000000 0.7572778 0.7989789
deg 0.8333763 0.7572778 1.0000000 0.9404647
eig 0.6737162 0.7989789 0.9404647 1.0000000
可以使用层次聚类图来可视化集中度度量
hclust(dist( ase ,
+ method="ward")
查看集中度度量的值,查看排名
> for(i in 1:4) rbase[,i]=rank(base[,i])
在此,特征向量测度非常接近顶点的度数。
最后,寻找聚类(以防这些家庭之间爆发战争)
> kc <- fastgreedy.community ( iflo )
在这里,我们有3类
最受欢迎的见解
1.采用spss-modeler的web复杂网络对所有腧穴进行分析
3.R语言文本挖掘NASA数据网络分析,tf-idf和主题建模