大势所趋！数据科学家必知的5种图算法

现在另一个问题来了。假设你在水管铺设公司或互联网纤维公司工作，需要用最少的电线/管道连接图中的所有城市，这该怎么做呢?

一个无向图，它的MST在右边

应用

• MST被直接应用于网络设计中。其中包括电脑网络、电讯网络、运输网络、供水网络和电网(最初设计目的)
• MST还用于解决旅行商问题
• 聚类——首先建构MST，接着用簇间距离和簇内距离确定阈值，从而打破MST中的一些联系
• 图像分割——首先在图中构建MST，其中像素是节点，像素之间的距离基于一些相似性度量(颜色、强度等)

编码

# nx.minimum_spanning_tree(g) returns a instance of type graph 
nx.draw_networkx(nx.minimum_spanning_tree(g)) 

本图中的MST

如图所示，上图中便是要铺设的电线。

4. 网页排名

上图便是谷歌一直以来的网页排名算法。它根据输入和输出连接的数量和质量为页面分配分数。

应用

网页排名可用于需要估算网络节点重要性的任何地方。

• 用于使用引文找到最有影响力的论文
• 在谷歌中用于网页排名
• 还可用来给推特排序——以用户和推特作为节点。如果用户A关注了用户B，就创建用户间的连接。如果用户发送或转发一条推特，则创建用户和推特之间的连接。
• 推荐引擎

编码

此练习会使用Facebook数据。这里有facebook用户之间的连接/链接文件。首先这样创建Facebook图形：

# reading the datasetfb = nx.read_edgelist('../input/facebook-combined.txt', create_using = nx.Graph(), nodetype = int) 

它是这样运作的：

pos = nx.spring_layout(fb)import warnings 
warnings.filterwarnings('ignore')plt.style.use('fivethirtyeight') 
plt.rcParams['figure.figsize'] = (20, 15) 
plt.axis('off') 
nx.draw_networkx(fb, pos, with_labels = False, node_size = 35) 
plt.show() 

FB用户图

现在要找到影响力高的用户。

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!