如何在python中编写用于链接预测精度评估的代码？答案

【问题标题】：How to write a code for link prediction precision assessment in python?如何在python中编写用于链接预测精度评估的代码？
【发布时间】：2019-01-11 13:11:36
【问题描述】：

我正在使用 adam_adar 索引进行链接预测问题。数据集是一个网格网络（具有 1000 个链接的边缘列表）。我从观察到的数据集中随机选择了 80% (800) 的边缘。我需要从 preds 中选择最高的 200 个预测链接，如下所示，并计算精度比。我不知道下一步该做什么。我该怎么办..帮助！

import numpy as np
import networkx as nx


G = nx.read_edgelist('Grid.txt', create_using=nx.Graph(), nodetype=int)
preds = nx.adamic_adar_index(G);
for u, v, p in preds:
    '(%d, %d) -> %.8f' % (u, v, p)
    print(u, v, p)

【问题讨论】：

标签： python precision networkx prediction

【解决方案1】：

我假设 u, v 是图的顶点，p 是精度。

import numpy as np
import networkx as nx
import random

G = nx.read_edgelist('Grid.txt', create_using=nx.Graph(), nodetype=int)
preds = nx.adamic_adar_index(G)
preds = random.sample(preds, int(len(preds)*0.8))
preds = sorted(preds, key=lambda x: x[2], reverse=True)[:200]
ratio = sum([t[2] for t in preds])/len(preds)
print(ratio)

【讨论】：

谢谢。这应该很好。感谢您的帮助
嗨@Chris，如果这个或任何答案解决了您的问题，请点击复选标记考虑accepting it。

【解决方案2】：

import numpy as np
import networkx as nx
import random

G = nx.read_edgelist('Grid.txt', create_using=nx.Graph(), nodetype=int)
preds = list(nx.adamic_adar_index(G))
preds = random.sample(preds, int(len(preds)*0.8))
preds = sorted(preds, key=lambda x: x[2], reverse=True)[:200]
ratio = sum([t[2] for t in preds])/len(preds)
print(ratio)

【讨论】：

请不要只发布代码作为答案，还要解释您的代码的作用以及它如何解决问题的问题。带有解释的答案通常更有帮助，质量更好，并且更有可能吸引投票