图机器学习 2.1 Properties of Networks, Random Graph

图网络的基础知识还是蛮深的，笔者听着觉得耗很多脑细胞。代码块里大部分是笔者个人理解，希望大家多指导和讨论～

networks的性质--怎么度量一个network？

（1）度的分布（degree distribution):

首先什么是度（degree）：根据邻近矩阵的信息，对每一个节点来计算其度（行和）

形象的理解：数一数每一个节点都有几条连接线（也就是这个节点的度）

img

那度分布P(k)表示的是随机选择一个具有度为k的节点的概率

N（k）表示的是具有度为k的节点个数

有了这个N_k之后，对其进行归一化（也就是N（k)/总节点数）利用直方图画图

这样的方式就能从概率分布的角度直观的看到节点度的分布情况，例如从上图中我们可以观察到（微博用户，其中
1用户的关注+粉丝数量是比较大的，或者说用户1的活跃度是比较高的）

（2）图中的路径paths in a graph

也就是两两相邻节点进行连接后的路径---和我们常说的连通路径很类似

img

（3）图中的距离 distance in a graph

回顾我们数学基础课中定义的一个点到一个平面的距离：最短的路径

• 无向图中

图中的距离也可以约等于最短的路径，比如图中点B到D的距离（如果我们假设每两相邻节点之间连线数值为1）是2，那么点A到x则是无穷（因为没有路径）

• 有向图中