如何将networkx图形用作sklearn的输入

Question

3

我想使用sklearn的图聚类算法，但它们不接受以.gexf格式的networkx输入。我需要哪种库/转换来将我的.gexf图形转换为适用于sklearn的格式？

- Mnemosyne

你想应用哪种聚类算法？networkx有一些聚类算法，比如k最近邻算法 https://networkx.github.io/documentation/networkx-1.9.1/reference/algorithms.html - Eskapp

我想使用亲和传播和谱聚类算法，而不是networkx库中包含的聚类算法。 - Mnemosyne

1

@Mnemosyne，你看过这里吗？https://dev59.com/Q1YO5IYBdhLWcg3wKOft - hellpanderr

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- ben26941 · Accepted Answer

集群算法接受距离矩阵、相似度矩阵或特征矩阵。例如，k-means算法接受一个特征矩阵（假设X由n个m维点组成）并应用欧几里得距离测量方式，而亲和传播算法则接受一个相似度矩阵（即nxn维的方阵D）或特征矩阵（取决于亲和性参数）。

如果您想应用sklearn（或非图形）集群算法，可以从networkx图中提取邻接矩阵。请参见这里。

A = nx.to_scipy_sparse_matrix(G)

我猜你需要确保你的对角线为1；如果不是，请使用numpy.fill_diagonal(D, 1)。

然后只需应用聚类算法：

from sklearn.cluster import AffinityPropagation


ap = AffinityPropagation(affinity='precomputed').fit(A)
print(ap.labels_)

您还可以将邻接矩阵转换为距离矩阵，以便应用其他算法或甚至将邻接/距离矩阵投影到特征矩阵上。要获得距离矩阵，如果有二元边缘，则可以执行D = 1 - A; 如果有带权边缘，则可以执行D = A.max() - A。