当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

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


用法:

cugraph.community.spectral_clustering.spectralModularityMaximizationClustering(G, num_clusters, num_eigen_vects=2, evs_tolerance=1e-05, evs_max_iter=100, kmean_tolerance=1e-05, kmean_max_iter=100)

使用谱模块化最大化方法计算给定图的聚类/分区。

参数：

G：cugraph.Graph 或 networkx.Graph

cuGraph 图说明符。这个图应该有边权重。

num_clusters：整数

指定要查找的集群数

num_eigen_vects：整数，可选

指定要使用的特征向量的数量。必须小于或等于num_clusters。默认为 2

evs_tolerance: float, optional：

指定要在特征解算器中使用的容差。默认值为 0.00001

evs_max_iter: integer, optional：

指定特征解算器的最大迭代次数。默认值为 100

kmean_tolerance: float, optional：

指定在k-means 求解器中使用的容差。默认值为 0.00001

kmean_max_iter: integer, optional：

指定k-means 求解器的最大迭代次数。默认值为 100

返回：

df：cudf.DataFrame

GPU 数据帧包含两个大小为 V 的 cudf.Series：顶点标识符和相应的集群分配。

df[‘vertex’]：cudf.Series

包含顶点标识符

df[‘cluster’]：cudf.Series

包含集群分配

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='2')
>>> df = cugraph.spectralModularityMaximizationClustering(G, 5)

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.spectralModularityMaximizationClustering。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。