تجزیه و تحلیل پیش بینی با استفاده از داده های شبکه در R

در این دوره، شما یاد خواهید گرفت که با استفاده از داده‌های شبکه‌ای در R، تجزیه و تحلیل‌های پیش‌بینی‌کننده را انجام دهید. هدف از تجزیه و تحلیل شبکه این است که پیش‌بینی کنید یک گره شبکه به کدام کلاس تعلق دارد، مانند churner یا نه، کلاهبردار یا نه، پیش‌فرض یا غیره. به طور خاص، ما ایده ویژگی‌سازی را معرفی می‌کنیم که ویژگی‌های شبکه را می‌توان به ویژگی‌های غیرشبکه اضافه کرد و عملکرد هر مدل تحلیلی حاصل را افزایش داد. در این دوره، شما از بسته igraph برای تولید و برچسب گذاری شبکه ای از مشتریان در یک محیط ریزش استفاده می کنید و با مبانی یادگیری شبکه آشنا می شوید. سپس، در مورد هموفیلی، دوگانگی و ناهمگونی و اینکه چگونه می توان از آنها برای به دست آوردن بینش های اکتشافی کلیدی در شبکه خود استفاده کرد، یاد خواهید گرفت. در مرحله بعد، از عملکرد بسته igraph برای محاسبه ویژگی های مختلف شبکه برای محاسبه ویژگی های شبکه گره محور و همچنین مبتنی بر همسایه استفاده خواهید کرد. علاوه بر این، شما از الگوریتم پیج رنک گوگل برای محاسبه ویژگی های شبکه و تایید تجربی قدرت پیش بینی آنها استفاده خواهید کرد. در نهایت، ما به شما آموزش می دهیم که چگونه یک مجموعه داده مسطح از شبکه تولید کنید و آن را با استفاده از رگرسیون لجستیک و جنگل های تصادفی تجزیه و تحلیل کنید.