cdlib.benchmark.LFR¶
- cdlib.benchmark.LFR(n: int, tau1: float, tau2: float, mu: float, average_degree: float | None = None, min_degree: int | None = None, max_degree: int | None = None, min_community: int | None = None, max_community: int | None = None, tol: float = 1e-07, max_iters: int = 500, seed: int = 42) [<class 'object'>, <class 'object'>]¶
返回LFR基准图和植入的社区。
- Parameters:
n – 创建的图中的节点数。
tau1 – 创建图的度分布的幂律指数。此值必须严格大于一。
tau2 – 创建图中社区大小分布的幂律指数。此值必须严格大于一。
mu – 每个节点与社区内部边的比例。该值必须在区间 [0, 1] 内。
average_degree – 创建图中节点的期望平均度数。此值必须在区间 [0, n] 内。必须指定此参数或 min_degree 中的一个，否则会引发 NetworkXError。
min_degree – 创建图中节点的最小度数。此值必须在区间 [0, n] 内。必须指定此值和 average_degree 中的一个，否则会引发 NetworkXError。
max_degree – 创建图中节点的最大度数。如果未指定，则设置为n，即图中节点的总数。
min_community – 图中社区的最小大小。如果未指定，则设置为min_degree。
max_community – 图中社区的最大大小。如果未指定，则设置为n，即图中节点的总数。
tol – 比较浮点数时的容差，特别是在比较平均度值时。
max_iters – 尝试创建社区大小、度分布和社区隶属关系的最大迭代次数。
seed – (整数, random_state, 或 None (默认)) – 随机数生成状态的指示器。请参阅随机性。
- Returns:
一个networkx合成图，社区集合（NodeClustering对象）
- Example:
>>> from cdlib.benchmark import LFR >>> n = 250 >>> tau1 = 3 >>> tau2 = 1.5 >>> mu = 0.1 >>> G, coms = LFR(n, tau1, tau2, mu, average_degree=5, min_community=20)
- References:
Andrea Lancichinetti, Santo Fortunato, 和 Filippo Radicchi. “用于测试社区检测算法的基准图”, Phys. Rev. E 78, 046110 2008