从多个分层随机图模型创建共识树

consensus_tree() 使用系统发育方法从多个拟合的分层随机图模型创建共识树。如果给定了 hrg() 参数并且 start 设置为 TRUE，则它开始从给定的 HRG 进行采样。否则，它首先优化 HRG 对数似然，然后从最优值开始采样。

用法

consensus_tree(graph, hrg = NULL, start = FALSE, num.samples = 10000)

参数

graph

模型拟合到的图。

hrg

分层随机图模型，采用 igraphHRG 对象的形式。 consensus_tree() 允许它也为 NULL，然后首先从随机起点将 HRG 拟合到图。

start

逻辑值，是否从提供的 igraphHRG 对象或从随机起点开始拟合/采样。

num.samples

用于共识生成或缺失边预测的样本数量。

值

consensus_tree() 返回一个包含两个对象的列表。第一个是 igraphHRGConsensus 对象，第二个是 igraphHRG 对象。 igraphHRGConsensus 对象具有以下成员

parents

对于每个顶点，存储其父顶点的 ID，如果该顶点是树中的根顶点，则存储零。前 n 个顶点 ID（从 0 开始）指的是图的原始顶点，其他 ID 指的是顶点组。

weights

数值向量，计算给定树分裂在生成的网络样本中发生的次数，对于每个内部顶点。顺序与 parents 向量中的顺序相同。

参见

其他分层随机图函数： fit_hrg(), hrg(), hrg-methods, hrg_tree(), predict_edges(), print.igraphHRG(), print.igraphHRGConsensus(), sample_hrg()

C 库中的相关文档

hrg_consensus().