Higher-order organization of complex networks 之邻接矩阵的构建思路

如何用高阶聚类分析客体间的联系之高阶聚类的思路（纯干货）

在缪老师无情的逼迫下，又新学了一个有关聚类的好办法。

首先：你需要从现实生活中抽离出各个事物间的联系。那怎么抽离出事物之间的关系呢？
答：各个客体本身都是具有一定属性的，可用传统的统计方法去寻找他们之间的联系。
举栗子：比如说娱乐圈的例子，通过现实生活中欺骗与被欺骗之间的关系，
我们容易找到他们之间有方向的欺骗关系，构成了一个有向图。
把每个客体抽象为一个点，那么怎么给点与点之间的关系加权呢？你可以自由合理给定。也可通过某些方法计算来支持你的加权理由。
(点的赋值，你可以通过传统的统计方法计算出来，如因子分析中就有个综合因子得分，就可以作为点的赋值,点的赋值不体现在邻接矩阵的构建中，它的作用在聚完类的分析中。
邻接矩阵中涉及的是点与点之间的关系，比如说：娱乐圈的那个PPT中，郑秀文被骗的很惨，所以赋给她较大的权)

其次，根据点与点之间的方向（或他们之间不存在方向）以及各个点之间的关系的权重（或者点之间的关系没有加权，单纯用1或0来表示。
那么怎么确定他们之间的关系什么时候是1,什么时候是0呢？答:一般而言，通过某个连接值，再通过一个阙值来去确定1,0 的分界。
连接值举例：一个城市到另一个城市的交易额。阙值举例：通过某种经济理论或计算得到一个合理的值，当大于这个值是记为1/0，否则，记为0/1。当然用逻辑思蒂回归亦可判别0,1）
来构建邻接矩阵。
有了邻接矩阵，就可以根据代码出结果了。

最后，聚类结果出来后，如何分析呢？
被聚成一类的客体，必然有相似的属性或者是指标值相似，这就需要你的经济学知识以及其他领域的一些知识来解释结果。
需注意：聚类过程是单纯的算法，但邻接矩阵的构建与结果的解读，需要一些统计学的方法。
这篇博文也是可以帮助你理解高阶的~要好好看看哦，点它！
这是关于高阶的原作，英语好的小伙伴可以认真研究一下。官网应该也有相应的MATLAB的代码的下载地址。盘他！

好啦，小伙伴们，下次见啦~