Data & ML & AI
-
[NetworkX] 네트워크 견고성(Robustness in Networks)Data & ML & AI/NetworkX 2022. 11. 9. 00:32
네트워크 견고성 (Robustness in Networks) The ability of a network to maintain its general structural properties whet it faces failures or attacks 출처 : Applied Social Network Analysis in Python(by Daniel Romero) 네트워크 견고성: 네트워크의 구조를 유지하는 능력, 연결성을 유지하는 능력 네트워크 견고성이란, 네트워크가 고장나거나 공격을 받더라도 연결성을 잃지 않는 능력이라는 뜻입니다. 즉, 노드나 엣지가 제거되더라도 네트워크가 제 기능을 할 수 있느냐는 뜻이죠. 인천공항에 사고가 생기면 김포공항으로 회항하면 되지만(견고성 확보) 제주공항에 사고가 생기면 ..
-
[NetworkX] 그래프를 거리(length)로 설명하는 방법(평균거리, 지름, 반지름, 둘레, 이심률)Data & ML & AI/NetworkX 2022. 11. 3. 22:30
그래프G를 간추려서 수치로 설명하는 방법은 여러가지가 있습니다. Average distance: 모든 노드 간 거리의 평균 nx.average_shortest_path_length(G) 위와 같은 그래프가 있다고 할 때, A로부터 다른 노드들 까지의 거리는 다음과 같습니다. nx.shortest_path_length(G,'A') # 결과 {'A': 0, 'B': 1, 'K': 1, 'C': 2, 'F': 3, 'E': 3, 'G': 4, 'H': 4, 'I': 4, 'D': 4, 'J': 5} A~J까지의 모든 노드들에 대해서 위의 방법을 실행하고, 그 평균을 내면되지만, 굳이 직접 평균을 계산할 필요는 없습니다. nx.average_shortest_path_length(G) # 2.52727272727..
-
[NetworkX] 너비 우선 탐색, 트리 구조 그리기Data & ML & AI/NetworkX 2022. 11. 2. 02:13
너비 우선 탐색 Breadth-First Search, BFS 너비 우선 탐색(Breadth-first search, BFS)은 맹목적 탐색 방법의 하나로 시작 정점을 방문한 후 시작 정점에 인접한 모든 정점들을 우선 방문하는 방법이다. 더 이상 방문하지 않은 정점이 없을 때까지 방문하지 않은 모든 정점들에 대해서도 너비 우선 검색을 적용한다. OPEN List는 큐를 사용해야만 레벨 순서대로 접근이 가능하다. (출처: 위키백과) 그래프의 한 노드에서 다른 모든 노드까지의 길이를 구하는 (그나마) 효율적인 방법 중 하나 아래는 A 노드가 다른 노드들과 얼마나 떨어져있는지 확인하기 위해 너비우선탐색을 진행한 결과입니다. A 본인의 주변 탐색 Distance1 : A와 연결되어있는 B, K의 주변 탐색 Di..
-
[NetworkX] 경로의 개념, 가장 짧은 경로 찾기Data & ML & AI/NetworkX 2022. 11. 1. 23:02
그래프를 그리고 나서 가장 유용하게 활용하는 방법 중 하나는 노드 간 거리를 활용하는 방법입니다. 어떤 노드가 가장 멀리 있는 노드인지, 이쪽 노드에서 저쪽 노드까지 얼마나 먼지를 계산할 수 있습니다. 그러러면 먼저 몇 가지 개념을 익혀야 하겠습니다. 경로 Path 단순히 선(엣지)에 의해 연결된 노드들의 순서를 의미함 X노드에서 Y노드로 가는 경로의 수는 다양함 예시) A에서 H로 가는 경로 A-B-C-E-H A-B-C-F-E-H A-K-B-C-F-E-H .... 경로의 길이 Path length 몇번 건너가면 도착하는가 즉, 몇개의 엣지로 이루어져 있는가 A-B-C-E-H (길이: 4) A-B-C-F-E-H (길이: 5) 노드 간의 길이 Distance between two nodes 노드 간 길이 ..
-
[NetworkX] Assignment 1 - Creating and Manipulating GraphsData & ML & AI/NetworkX 2022. 10. 30. 03:47
본 게시물은 Coursera의 Applied Social Network Analysis in Python(by Daniel Romero)를 통해 자습하며 작성한 게시물입니다. 이 Assignment는 Coursera Jupyter 콘솔에서만 제대로 진행할 수 있습니다. (데이터 파일을 따로 제공하지 않기 때문입니다.) 개괄 원본 Eight employees at a small company were asked to choose 3 movies that they would most enjoy watching for the upcoming company movie night. These choices are stored in the file `Employee_Movie_Choices.txt`. A secon..
-
[NetworkX] Projected Graph 투영그래프 (Bipartite Graph 활용)Data & ML & AI/NetworkX 2022. 10. 28. 01:33
Projected Graph 투영 그래프 X, Y 집단(set)로 이루어진 Bipartite Graph에서, X나 Y 둘 중 하나의 집단을 기준으로 투영한 그래프를 Projected Graph라고 합니다. 여기서 투영(projection)이란, 두개의 집단으로 나누어져 있어 복잡한 그래프(a)의 정보를 (b)나 (c)처럼 압축하는 과정을 의미합니다. 기존의 그래프가 (X1)-(Y1)-(X2), (X2)-(Y4)-(X4) 와 같은 형식이였다면, 중간의 Y집단을 생략하고 (X1)-(X2), (X2)-(X4)와 같이 정보를 단순화 시키는 겁니다. 같은 집단 내부에서도 서로 가깝고 먼 노드들이 있을텐데, 노드 간의 관계를 파악하기에 유용합니다. import networkx as nx from networkx.a..
-
[NetworkX] Bipartite Graph(양분 그래프) 그리기Data & ML & AI/NetworkX 2022. 10. 27. 23:18
샘플 Bipartite 그래프 생성 import networkx as nx from networkx.algorithms import bipartite X = set([1,2,3,4,5,6,7,8]) Y = set(['A','B','C','D','E','F']) B = nx.Graph() B.add_nodes_from(X, bipartite=0) B.add_nodes_from(Y, bipartite=1) B.add_edges_from([ (1,'A'),(1,'B'),(2,'A'),(2,'B'),(2,'D'),(3,'C'),(3,'E'),(4,'A'),(4,'D'), (5,'C'),(5,'E'),(6,'C'),(6,'F'),(7,'E'),(7,'F'),(8,'E') ]) 일반적인 그래프 그리기(비교용) nx..
-
[NetworkX] 양분그래프, Bipartite Graph (파이썬 네트워크 분석 9)Data & ML & AI/NetworkX 2022. 10. 22. 22:33
Bipartite Graph(양분그래프, 이분그래프) 요약 두개의 노드 집합으로 나누어지는 그래프 모든 엣지는 서로 다른 집합에 속한 노드끼리의 연결만으로 이루어진 그래프 즉, 같은 집합에 속한 노드끼리 엣지가 연결된 경우가 전혀 없는 그래프 from networkx.algorithms import bipartite 로 사용 가능 양분그래프란, 노드들이 두개의 집합으로 나누어지는 그래프를 의미합니다. 위의 사진 예시를 보죠. 두개의 집단이 있습니다. 오른쪽(R) 집단에는 농구팀 노드들이, 왼쪽(L) 집단에는 팬들이 있습니다. 모든 엣지는 [팬-팀(L-R)] 관계를 나타냅니다. 여기서 중요한건, L-R 관계가 아닌 엣지는 하나도 없다는 것입니다. L-L 관계와 R-R 관계인 엣지가 하나도 없습니다. 팬1이..