为什么不是optimal_count给出正确的结果？

Question

我想了解python-igraph，特别是community_walktrap函数。我创建了下面的例子：

import numpy as np 
import igraph 

mat = np.zeros((200,200)) + 50 
mat[20:30,20:30] = 2 
mat[80:90,80:90] = 2 

g = igraph.Graph.Weighted_Adjacency(mat.tolist(), 
            mode=igraph.ADJ_DIRECTED) 
wl = g.community_walktrap(weights=g.es['weight']) 

我会承担社区的最佳数量为3，但运行

print wl.optimal_count 

给我1。如果我强迫树状图在3 wl.as_clustering(3)被削减我收到了一份正确的会员名单。我在做什么与optimal_count错了？

Answer 1

为什么你认为最优聚类数应该是3？在我看来，除了连接较弱的两个小组之外，所有节点之间都有很强的连接（它们的权重为50）。请注意，igraph中的聚类方法期望权重表示相似度，而不是距离。还要注意，igraph中的大多数聚类算法对定向网络来说都没有很好的定义（有些甚至只是拒绝定向网络）。

wl.optimal_count简单计算所谓的模块性度量（请参阅Graph类的modularity()方法），然后选择模块性最高的群集计数。只有一个群集的模块性为零（这是衡量如何按定义工作的）。有三个集群模块化约为-0.0083，这样的igraph是正确的选择一个集群，而不是只有三个：

>>> wl.as_clustering(3).modularity 
-0.00829996846600007 
>>> wl.as_clustering(1).modularity 
0.0