local_and_global_consistency#

local_and_global_consistency(G, alpha=0.99, max_iter=30, label_name='label')[源代码]#

按本地和全局一致性分类的节点

参数
G网络X图表
alpha浮动

夹紧系数

max_iter集成

允许的最大迭代次数

label_name字符串

要预测的目标标签的名称

返回
predicted列表

长度列表 len(G) 以及每个节点的预测标签。

加薪
NetworkXError

如果中没有节点 G 具有属性 label_name

工具书类

Zhou,D.、Bousqut,O.、Lal,T.N.、Weston,J.和Sch_Lkopf,B.(2004)。以本地和全球一致性学习。神经信息处理系统进展,16(16),321-328。

实例

>>> 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']