欧冠四强-结合分析—ArcGIS Insights | 文档
你的位置:欧冠四强 > 凯尔特人首发阵容 > 结合分析—ArcGIS Insights | 文档
结合分析—ArcGIS Insights | 文档
发布日期:2024-07-09 07:54     点击次数:191

结合分析—ArcGIS Insights | 文档

结合分析是一种分析时间,侧重于数据聚合的关系和合并。 应用结合分析,您大略策画中心性度量,即点度、中介度、接近度和特征向量,并搜检结合图表或结合舆图。

对于结合分析

结合分析使用互贯串合和节点的收罗来识别和分析在原始数据中辞让易看到的关系。 常见的收罗类型包括:不错泄漏谁在和谁交谈的外交收罗评释彼此联系主题的语义收罗评释玩家之间磋议的定约的自便收罗泄漏哪些机场有弯曲航班的航路收罗示例

违警分析师正在侦探违警收罗。 手机纪录的数据可用于细则收罗成员之间的关系和等第轨制。

一乡信用卡公司正在研发一种检测信用卡盗窃的新系统。 系统使用每个客户的已老友游花样(举例城市、商店)和交游类型来识别尽头并教唆客户潜在的盗窃举止。

一位民众卫陌生析师正在盘考北好意思的阿片类药物危境。 分析师使用处方和东说念主口统计数据来细则跟着危境推广而出现的新花样。

结合分析的职责旨趣

下表提供了结合分析中术语的综合:

中心性

中心性是收罗中节点穷困性的度量。

举座中心性有以下几种用途:评估节点对收罗中其他节点的影响。 举例,在共享一条新闻或职责契机时哪个用户会赢得最多的用户探问量?识别受其他节点影响最大的节点。 举例,哪个机场受到因不同地区的风暴而取消航班的影响最大?不雅察事物在收罗中的流动或传播,包括信息、物体或景况。 举例,包裹怎么从仓库迁徙到得益地址?了解哪些节点能最高效地通过收罗传播景况。 举例,应该磋议哪个报纸或频说念,以便故事大略传达给大大齐东说念主?找到不错限制或艰涩景况传播的节点。 举例,应该在那处诞生疫苗接种门诊来艰涩病毒的传播?

在 Insights 中,有四种筹谋中心性的设施:点度中心性、中介中心性、接近中心性和特征向量中心性。

中介中心性、接近中心性和特征向量中心性的策画不错接收加权和或未加权。

点度中心性

点度中心性基于节点所具有的平直磋议数目。 要是要细则哪些节点具有最平直的影响,应该使用点度中心性。 举例,在外交收罗中,具有最多合并的用户将具有较高的点度中心性。

节点 x 的点度中心性使用以下公式策画:

点度中心性(x) = deg(x)/(节点总额 - 1)

其中:节点总额 = 收罗中的节点数目deg(x) = 与节点 x 有磋议的节点数目

要是结合是定向的,意味着信息仅在一个方进取在节点之间流动,那么点度中心性不错手脚入度或出度来计量。 在外交收罗中,入度将基于用户所罢免的配置文献的数目,而出度将基于用户具有的粉丝的数目。

入度中心性使用以下方程策画:

入度中心性(x) = indeg(x)/(节点总额 - 1)

其中:节点总额 = 收罗中的节点数目indeg(x) = 合并到节点 x 的节点数目,其中流量指向节点 x

出度中心性使用以下方程策画:

出度中心性(x) = outdeg(x)/(节点总额 - 1)

其中:节点总额 = 收罗中的节点数目outdeg(x) = 合并到节点 x 的节点的数目,其中流量指向隔离节点 x 地方

对于定向图,在默许情况下,Insights 证实出度中心性来细则节点的大小。

中介中心性

中介中心性基于节点在多猛经过上是其他节点之间最短旅途的一部分。 要是要细则哪些节点用于将其他节点彼此合并,应使用中介中心性。 举例,在外交收罗中,与多个一又友群组有磋议的用户将比仅与一个群组中有磋议的用户具有更高的中介中心性。

使用以下方程来策画节点 x 的中介中心性:

中介中心性(x) = Σa,bϵ节点(旅途a,b(x)/旅途a,b)

其中:节点 = 收罗中的悉数节点旅途a,b = 悉数节点 a 和 b 之间的最短旅途数旅途a,b(x) = 通过节点 x 合并的节点 a 和 b 之间的最短旅途数

上头先容的中介性中心性方程莫得琢磨到收罗的范围,是以大型收罗比微型收罗具有更大的中介中心性值。 为了便于在不同大小的收罗之间进行比拟,必须除以图表中的节点对数来归一化中介中心性方程。

以下方程用于归一化无向图表:

1/2(节点总额 - 1)(节点总额 - 2)

其中:节点总额 = 收罗中的节点数目

以下方程用于归一化定向图表:

(节点总额 - 1)(节点总额 - 2)

其中:节点总额 = 收罗中的节点数目接近中心性

接近中心性基于节点之间最短收罗旅途距离的平均值。 要是要细则哪些节点与收罗中的其他节点关联最密切,应使用接近中心性。 举例,外交收罗中具有更多东说念主脉的用户将比通过其他东说念主(换言之,一又友的一又友)合并起来的用户具有更高的接近中心性。

使用以下方程策画节点 x 的接近中心性:

接近中心性(x) = (节点(x,y)/(节点总额 - 1))*(节点(x,y)/dist(x,y)总额)

其中:节点总额 = 收罗中的节点数目节点 (x,y) = 合并到节点 x 的节点数目dist(x,y) 总额 = 从节点 x 到其他节点的最短旅途距离之和特征向量中心性

特征向量中心性基于合并到其他穷困节点的穷困节点。 当您思要细则哪些节点是影响聚类的一部分时,应使用特征向量中心性。 举例,要是外交收罗中的某个用户与具有很多合并的其他用户之间建立了很多合并,则比仅建立一丝合并的用户,或与仅具有一丝合并的其他用户建立合并的用户具有更高的特征向量中心性。

节点 x 的特征向量中心性使用幂迭代进行策画,以使用以下方程找到最大的特征向量:

Ax = λx

其中:λ = 特征值x = 特征向量A = 描画线性变换的矩阵边权重

接近中心性、中介中心性和特征向量中心性的策画不错接收加权和未加权。 未加权中介策画将边成立为息争权重(值为 1),而加权策画使用字段值为每个边分派一个值。

对于特征向量中心性,权重用于细则节点之间的合并强度。 由于特征向量中心性筹谋收罗中节点的穷困性,权重值越高代表其合并节点的值越高。

对于接近中心性和中介中心性,权重值默示节点之间的距离。 边权重越高,意味着节点之间的距离越大,边被用于最短旅途的可能性越低。 要是祈望权重字段中的数值较高,默示穷困性越高(举例,外交收罗成员之间发送的音问数目默示成员的磋议经过),必须使用反向值策画一个新字段。 使用以劣等式策画反向值字段:

weight=ABS(field-MAX(field))+IF(MIN(field)<0, ABS(MIN(field)), MIN(field))

对于未加权接近或中介策画,最短旅途是使用结合数最少的旅途。 以下示例泄漏包含四个节点(A、B、C 和 D)和息争权重的收罗。 合并节点 A 到节点 D 的旅途有两条:A-B-D 或 A-B-C-D。由于 A-B-D 包含的结合更少,它是最短旅途。

包含未加权边的收罗中的最短旅途

加权策画基于字段值将权重应用于每个边。 加权接近中心性和中介中心性使用 Bellman-Ford 算法寻找节点之间的最短旅途。

以下示例泄漏包含四个节点和加权边的收罗。 旅途 A-B-D 的值为 15,旅途 A-B-C-D 的值为 9。 由于 A-B-C-D 的边际值最低,它是最短旅途。

包含加权边的收罗中的最短旅途

加权接近中心性和中介中心性策画不相沿负权重环路。 要是检测到负权重环路,悉数中心性值均设为 0。 在以下情况下可能会发生负权重环路:

图表包含负环路。负环路图表包含负自闭合边。负自闭合边图表无向而况包含负边。无向负边资源

要了解联系结合分析的详备信息,请使用以下资源:

结合分析概览(视频)通过结合分析了解百姓危境(教程)使用 ArcGIS Insights 跟踪病毒传播(教程)