此函数评估两个社区结构之间的距离。
用法
compare(
comm1,
comm2,
method = c("vi", "nmi", "split.join", "rand", "adjusted.rand")
)参数
- comm1
一个包含社区结构的
communities()对象；或者一个数值向量，即第一个社区结构的成员向量。成员向量应包含每个顶点的社区 ID，社区编号从 1 开始。- comm2
一个包含社区结构的
communities()对象；或者一个数值向量，即第二个社区结构的成员向量，格式与前一个参数相同。- method
字符标量，要使用的比较方法。可能的值：‘vi’ 是 Meila (2003) 的信息变异 (VI) 指标，‘nmi’ 是 Danon 等人 (2005) 提出的归一化互信息度量，‘split.join’ 是 can Dongen (2000) 的分裂-合并距离，‘rand’ 是 Rand (1971) 的 Rand 指数，‘adjusted.rand’ 是 Hubert 和 Arabie (1985) 调整后的 Rand 指数。
参考文献
Meila M: Comparing clusterings by the variation of information. In: Scholkopf B, Warmuth MK (eds.). Learning Theory and Kernel Machines: 16th Annual Conference on Computational Learning Theory and 7th Kernel Workshop, COLT/Kernel 2003, Washington, DC, USA. Lecture Notes in Computer Science, vol. 2777, Springer, 2003. ISBN: 978-3-540-40720-1.
Danon L, Diaz-Guilera A, Duch J, Arenas A: Comparing community structure identification. J Stat Mech P09008, 2005.
van Dongen S: Performance criteria for graph clustering and Markov cluster experiments. Technical Report INS-R0012, National Research Institute for Mathematics and Computer Science in the Netherlands, Amsterdam, May 2000.
Rand WM: Objective criteria for the evaluation of clustering methods. J Am Stat Assoc 66(336):846-850, 1971.
Hubert L and Arabie P: Comparing partitions. Journal of Classification 2:193-218, 1985.
参见
社区检测 as_membership(), cluster_edge_betweenness(), cluster_fast_greedy(), cluster_fluid_communities(), cluster_infomap(), cluster_label_prop(), cluster_leading_eigen(), cluster_leiden(), cluster_louvain(), cluster_optimal(), cluster_spinglass(), cluster_walktrap(), groups(), make_clusters(), membership(), modularity.igraph(), plot_dendrogram(), split_join_distance(), voronoi_cells()
作者
Tamas Nepusz ntamas@gmail.com
示例
g <- make_graph("Zachary")
sg <- cluster_spinglass(g)
le <- cluster_leading_eigen(g)
compare(sg, le, method = "rand")
#> [1] 0.9500891
compare(membership(sg), membership(le))
#> [1] 0.2765712