如何使用networkx图作为sklearn的输入

Question

我想应用 sklearn 图聚类算法，但它们不接受来自 networkx 的 .gexf 格式的输入。我需要什么样的库/转换才能使我的 .gexf 图适合 sklearn？

Answer 1

聚类算法接受距离矩阵、亲和矩阵或特征矩阵。例如，kmeans 将接受一个特征矩阵（例如，m 维的 n 个点中的 X）并应用欧几里德距离度量，而亲和力传播接受一个亲和力矩阵（即 nxn 维的方阵 D）或特征矩阵（取决于亲和力参数）。

如果您想应用 sklearn（或只是非图）集群算法，您可以 extract adjacency matrices from networkx graphs。

A = nx.to_scipy_sparse_matrix(G)

我想你应该确定，你的对角线是 1；如果没有，请numpy.fill_diagonal(D, 1)。

这样就只剩下应用聚类算法了：

from sklearn.cluster import AffinityPropagation


ap = AffinityPropagation(affinity='precomputed').fit(A)
print(ap.labels_)

如果您想应用其他算法，甚至将邻接/距离矩阵投影到特征矩阵，也可以将邻接矩阵转换为距离矩阵。

要完成所有这些操作就太过分了，但是，对于获取距离矩阵，如果您有二元边，则可以使用D = 1 - A;如果你有加权边缘，你可以D = A.max() - A。