Als «networks» getaggte Fragen

Bezieht sich auf die Netzwerktheorie als Teil der Graphentheorie. Verwenden Sie bei Fragen zu neuronalen Netzen unser Tag [neuronale Netze].

8
Generieren Sie eine Zufallsvariable mit einer definierten Korrelation zu einer oder mehreren vorhandenen Variablen.
Für eine Simulationsstudie muss ich Zufallsvariablen generieren, die eine vorab festgelegte (Populations-) Korrelation zu einer vorhandenen Variablen .Y.YY Ich sah in die RPakete copulaund CDVineder Zufall multivariate Verteilungen mit einer bestimmten Abhängigkeitsstruktur erzeugen kann. Es ist jedoch nicht möglich, eine der resultierenden Variablen an eine vorhandene Variable zu binden. Anregungen …

8
Wie erkenne ich eine Community in einem gewichteten sozialen Netzwerk / Diagramm?
Ich frage mich, ob jemand vorschlagen könnte, was gute Ausgangspunkte für die Community-Erkennung / Diagrammaufteilung / -Clusterung in einem Diagramm mit gewichteten , ungerichteten Kanten sind. Das fragliche Diagramm hat ungefähr 3 Millionen Kanten und jede Kante drückt den Ähnlichkeitsgrad zwischen den beiden Scheitelpunkten aus, die es verbindet. Insbesondere sind …

4
Interpretation des Unterschieds zwischen lognormaler und Potenzgesetzverteilung (Netzgradverteilung)
Zunächst einmal bin ich kein Statistiker. Ich habe jedoch eine statistische Netzwerkanalyse für meine Promotion durchgeführt. Im Rahmen der Netzwerkanalyse habe ich eine CCDF (Complementary Cumulative Distribution Function) mit Netzwerkabschlüssen aufgezeichnet. Was ich fand, war, dass im Gegensatz zu herkömmlichen Netzwerkverteilungen (z. B. WWW) die Verteilung am besten durch eine …

4
Was sind die korrekten Werte für Präzision und Rückruf in Randfällen?
Präzision ist definiert als: p = true positives / (true positives + false positives) Ist es richtig, dass sich die Genauigkeit 1 nähert true positivesund false positivessich 0 nähert? Gleiche Frage zum Rückruf: r = true positives / (true positives + false negatives) Ich führe derzeit einen statistischen Test durch, …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

2
Wie kann die Anzahl der Verbindungen Gauß sein, wenn sie nicht negativ sein kann?
Ich analysiere soziale Netzwerke (nicht virtuelle) und beobachte die Verbindungen zwischen Menschen. Wenn eine Person eine andere Person auswählen würde, mit der zufällig eine Verbindung hergestellt werden soll, würde die Anzahl der Verbindungen innerhalb einer Gruppe von Personen normal verteilt sein - zumindest gemäß dem Buch, das ich gerade lese. …

2
Ermitteln der besten Funktionen in Interaktionsmodellen
Ich habe eine Liste von Proteinen mit ihren Merkmalswerten. Eine Beispieltabelle sieht folgendermaßen aus: ...............Feature1...Feature2...Feature3...Feature4 Protein1 Protein2 Protein3 Protein4 Zeilen sind Proteine ​​und Spalten sind Merkmale. Ich habe auch eine Liste von Proteinen, die ebenfalls interagieren. beispielsweise Protein3, Protein4 Protein1, Protein2 Protein4, Protein1 Problem : Für eine vorläufige Analyse möchte …

3
Funktioniert Newmans Netzwerkmodularität für signierte, gewichtete Diagramme?
Die Modularität eines Diagramms wird auf seiner Wikipedia-Seite definiert . In einem anderen Beitrag erklärte jemand, dass Modularität für gewichtete Netzwerke leicht berechnet (und maximiert) werden kann, da die Adjazenzmatrix AijAijA_{ij} auch wertvolle Bindungen enthalten kann. Ich würde jedoch gerne wissen, ob dies auch mit vorzeichenbehafteten, geschätzten Kanten funktioniert, die …

2
Was bedeutet es, wenn alle Kanten in einem realen Netzwerk / Diagramm statistisch genauso zufällig sind?
Ich habe die in diesem Dokument beschriebene Methode zur Extraktion des Backbone-Netzwerks verwendet: http://www.pnas.org/content/106/16/6483.abstract Grundsätzlich schlagen die Autoren eine statistische Methode vor, die für jede Kante im Diagramm eine Wahrscheinlichkeit erzeugt, dass die Kante zufällig entstanden sein könnte. Ich verwende den typischen statistischen Signifikanzgrenzwert von 0,05. Ich habe diese Methode …

2
Wie kann ich statistisch testen, ob mein Netzwerk (Grafik) ein "Small-World" -Netzwerk ist oder nicht?
Ein Small-World-Netzwerk ist eine Art mathematischer Graph, bei dem die meisten Knoten keine Nachbarn sind, die meisten Knoten jedoch durch eine kleine Anzahl von Sprüngen oder Schritten voneinander erreicht werden können. Insbesondere wird ein Small-World-Netzwerk als ein Netzwerk definiert, bei dem der typische Abstand L zwischen zwei zufällig ausgewählten Knoten …


4
Graph-Clustering-Algorithmen, die negative Gewichte berücksichtigen
Ich habe eine Diagramminstanz mit gewichteten gerichteten Kanten, deren Werte im Bereich [-1,1] liegen können. Ich muss Clustering in diesem Diagramm durchführen, um Gruppen herauszufinden, in denen Eckpunkte stärker korreliert sind. Ich habe nach mehreren Algorithmen gesucht, die auf Clustering oder Community-Erkennungsgraphen basieren, aber die meisten funktionieren aufgrund der negativen …

3
Kann ich in Anbetracht meiner Freundesnetzwerke meine „zentralsten“ Freunde erkennen?
Angenommen, ich kann eine Liste meiner Freunde von Facebook herunterladen und welche von ihnen sind miteinander befreundet. Kann ich anhand dieser Informationen abschätzen, welche von ihnen "zentral" sind? (Ich bin nicht genau sicher, wie ich definieren soll, was "zentral" in diesem Zusammenhang ist) Welche Informationen / Annahmen werden benötigt? Vielen …

4
Visualisierung von Verbindungen zwischen Gruppen
Ich habe ungefähr zehn Gruppen (von Unternehmen). Jede Gruppe ist miteinander verbunden. Die Daten, die ich habe, repräsentieren die Stärke der Verbindung. Stellen Sie sich vor, es ist die Häufigkeit, mit der jemand aus Gruppe A eine E-Mail an Gruppe B gesendet hat. Die Stärke einer Verbindung kann 0 sein. …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.