Python cugraph.community.leiden.leiden用法及代碼示例

用法: cugraph.community.leiden.leiden(G, max_iter=100, resolution=1.0)

使用 Leiden 算法計算輸入圖的模塊化優化分區

它使用如下所述的 Louvain 方法：

Traag, V. A., Waltman, L. 和 van Eck, N. J. (2019)。從魯汶到萊頓：保證well-connected 社區。科學報告，9(1)，5233。doi：10.1038/s41598-019-41695-z

參數：

G：cugraph.Graph

cuGraph 圖形類型的圖形說明符

如果不存在鄰接列表，則將計算該鄰接列表。

max_iter：整數，可選(默認=100)

這控製了萊頓算法的最大級別/迭代次數。當指定時，算法將在不超過指定的迭代次數後終止。當算法以這種方式提前終止時，不會發生錯誤。

resolution: float/double, optional (default=1.0)：

在模塊化公式中稱為 gamma，這會改變社區的規模。更高的分辨率會導致更多的小型社區，更低的分辨率會導致更少的大型社區。默認為 1。

parts：cudf.DataFrame

大小為 V 的 GPU 數據幀包含兩列，即頂點 id 和分配給它的分區 id。

df[‘vertex’]：cudf.Series: 包含頂點標識符
df[‘partition’]：cudf.Series: 包含分配給頂點的分區

modularity_score：浮點數

一個浮點數，包含分區的全局模塊化分數。

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')
>>> parts, modularity_score = cugraph.leiden(G)

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cugraph.community.leiden.leiden。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：