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']