溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇“機器學習Erdos Renyi隨機圖生成方法及特性是什么”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“機器學習Erdos Renyi隨機圖生成方法及特性是什么”文章吧。
n和p并不能完全決定一個圖。我們發現即使給定n和p，圖也有許多實現形式。如當n=10,p=1/6時，就可能產生如下的圖：
二項分布的離散分布圖像如下圖所示：
當n足夠大時，二項分布可以用正態分布去近似。
聚類系數
我們設
連通分量
圖Gnp的圖結構會隨著p變化，如下圖所示：
根據模擬實驗，在Gnp中，平均度大于1時，巨大連通分量恰好出現。
平均最短路徑長度
Erdos-Renyi隨機圖即使擴展到很大，仍然可以保證節點之間只有幾跳(hops)的距離，如下所示為圖的平均最短路徑長度h¯h¯隨節點數量變化的關系圖：
可以看到平均最短路徑長度h¯隨著節點數量n增長并滿足O(logn)的增長階。
相似點： 存在大的連通分量，平均最短路徑長度
不同點： 聚類系數，度分布
在實際應用中，隨機圖模型可能有以下問題：
度分布可能和真實網絡不同，畢竟真實網絡不是隨機的。
真實網絡中巨大連通分量的出現可能不具有規律性。
可能不存在局部的聚類結構，以致聚類系數太小。
NetworkX中內置了Erdos-Renyi隨機圖的生成函數，包括Gnp和Gnm。就是需要注意Gnp的API[6]是
erdos_renyi_graph(n, p, seed=None, directed=False)
該API與nx.binomial_graph、nx.gnp_random_graph作用是相同的。
而GnmGnm的API[7]是
nm_random_graph(n, m, seed=seed, directed=False)
故大家在實際使用中要注意區分。
以上就是關于“機器學習Erdos Renyi隨機圖生成方法及特性是什么”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
