Python cugraph.community.spectral_clustering.analyzeClustering_edge_cut用法及代码示例

用法: cugraph.community.spectral_clustering.analyzeClustering_edge_cut(G, n_clusters, clustering, vertex_col_name='vertex', cluster_col_name='cluster')

计算分区/聚类的边切割分数假设 “clustering” 是特殊聚类算法调用的结果，并且包含名为 “vertex” and “cluster” 的列。

参数：

G：cugraph.Graph: cuGraph 图说明符
n_clusters：整数: 指定给定聚类中的聚类数
clustering：cudf.DataFrame: 要分析的集群分配。
vertex_col_name：str，可选(默认='顶点'): 聚类 DataFrame 中标识外部顶点 ID 的列的名称
cluster_col_name：str，可选(默认='cluster'): 聚类 DataFrame 中的列的名称，用于标识集群 ID

score：浮点数: 计算的边切割分数

例子：

>>> M = cudf.read_csv(datasets_path / 'karate.csv',
...                   delimiter = ' ',
...                   dtype=['int32', 'int32', 'float32'],
...                   header=None)
>>> G = cugraph.Graph()
>>> G.from_cudf_edgelist(M, source='0', destination='1', edge_attr=None)
>>> df = cugraph.spectralBalancedCutClustering(G, 5)
>>> score = cugraph.analyzeClustering_edge_cut(G, 5, df)

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cugraph.community.spectral_clustering.analyzeClustering_edge_cut。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：