algorithm - 仅网络贝叶斯分类器的伪代码

Question

我正在尝试使用 igraph 为单变量网络数据实现分类工具包和 python .

但是，我的问题实际上更多是关系分类领域的算法问题，而不是编程问题。

我正在关注 Classification in Networked Data纸。

我很难理解这篇论文所指的“仅网络贝叶斯分类器”(NBC)是什么，它是论文中解释的关系分类器之一。

我实现了 Naive Bayes之前使用词袋特征表示的文本数据分类器。和Naive Bayes的想法我对文本数据很清楚。

我认为这种方法(NBC)是将相同的想法简单地转化为关系分类领域。但是，我对方程中使用的符号感到困惑，所以我无法弄清楚发生了什么。我也对论文 here 中使用的符号有疑问.

NBC 在 the paper 上的第 14 页中进行了解释。 ,



摘要:

我需要 paper 中解释的“仅网络贝叶斯分类器”(NBC)的伪代码，第 14 页。

伪代码符号:

打个电话vs图中的顶点列表。 len(vs)是
长度。 vs[i]是第 i 个顶点。

假设我们有一个单变量和二元场景，即 vs[i].class要么是 0或 1并且节点没有其他给定的特征。

假设我们之前运行了一个本地分类器，以便每个节点都有一个初始标签，由本地分类器计算。我只对关系分类器部分感兴趣。

打个电话v我们试图预测的顶点，以及 v.neighbors()是 v 的邻居的顶点列表.

让我们假设所有的边权重都是 1 .

现在，我需要伪代码:

def NBC(vs, v):
   # v.class is 0 or 1
   # v.neighbors is list of neighbor vertices
   # vs is the list of all vertices

   # This function returns 0 or 1

编辑:

为了让你的工作更轻松，我做了这个 example .我需要最后两个方程的答案。

Answer 1

用言语...

节点x_i的概率属于类c等于:

x_i邻域的概率(称为 N_i )如果 x确实属于类(class)c ;乘以...

类的概率c本身；除以...

邻域的概率N_i (节点 x_i )本身。

至于邻域的概率 N_i (来自 x_i)如果 x属于类 c就其而言，它等于:

一个 product有一定的概率； (哪个概率？)

邻域 ( v_j ) 的某个节点 ( N_i ) 属于类 c 的概率如果 x确实属于类(class)c

(提高到连接正在检查的节点和正在分类的节点的边的权重……但您对此不感兴趣……还没有)。 (我认为这里的符号有点偏离，为什么他们定义 v_j 然后从不使用它？......无论如何)。

最后，乘以 product of some probability一些 1/Z .为什么？因为所有 p s 是 probabilities因此位于 0 到 1 的范围内，但权重 w可以是任何东西，这意味着最终计算出的概率可能会超出范围。

一些x_i的概率属于一个类 c鉴于
来自其邻居的证据是后验概率。 (之后
东西……这是什么东西？ ...请见下文)

邻域出现概率N_i如果 x_i属于类(class)c是可能性。

类的概率c本身就是先验概率。
在某事之前……这是什么东西？证据。之前的
告诉你没有任何证据的类的概率
呈现，但后验告诉你特定的概率
事件(即 x_i 属于 c )鉴于其证据
邻里。

先验，可以是主观的。也就是说，通过有限的观察得出或者是一个知情的意见。换句话说，它不一定是人口分布。它只需要足够准确，而不是绝对已知。

这种可能性更具挑战性。尽管我们在这里有一个公式，但必须从足够大的人口或尽可能多的关于所观察现象的“物理”知识来估计可能性。

在乘积(表示可能性的第二个等式中的大写字母 Pi)中，您有一个条件。如果 x，则条件是邻域节点属于某个类的概率。属于类(class) c .

在 Naive Bayesian Classifier的典型应用中，即 document classification (例如垃圾邮件)，条件是 an email is spam GIVEN THE APPEARANCE OF SPECIFIC WORDS IN ITS BODY是 派生 通过一个巨大的观察数据库，或者，一个巨大的电子邮件数据库，我们 真的，绝对知道他们属于哪个类(class)。换句话说，我必须知道垃圾邮件是什么样子的，最终， 大多数垃圾邮件汇聚成一些共同的主题(我是某位银行官员，我有一个赚钱的机会给你，给我你的银行详细信息，让我电汇给你，让你变得富有......)。

没有这些知识，我们就不能使用贝叶斯规则。

所以，回到你的具体问题。在您的 PDF 中，您在产品的派生中有一个问号。

没错。

所以这里真正的问题是:你的图表/数据的可能性有多大？

(... 或 你打算从哪里推导出来？(显然，要么是大量已知的观察 或 关于该现象的一些知识。例如，可能性是多少？一个节点是 被感染 给定它的邻居的一部分也被感染))。

我希望这会有所帮助。