Python 图形分类

我进行图形分类，读取edgelist文件，拆分以进行训练，并使用networkx测试和检查训练集是否为连接图形：

import networkx as nx
trainGraph = nx.read_edgelist('trainEdgelist.txt', create_using=nx.Graph(), nodetype=int)
nx.is_connected(trainGraph)

如果我想使用10倍交叉验证，并使用类似于：

from sklearn.model_selection import KFold
KFold(n_splits=10, random_state=None, shuffle=False)

如何确保每个折叠的序列集都是连通图

---

我怎样才能添加这样一个条件呢？

我仍然不完全理解您的目标，我会尽我所能回答您的问题

基本上`返回数据集的索引分割，它的输入是一个类似于数组的对象，这是一个“愚蠢”的函数，它只是拆分一个数组，没有进一步的逻辑

您需要创建具有以下结构的数据集：

类似于数组的对象，其中每个项都是一个连接图（如果适用于您的情况，则为其标签

y

创建另一个数组）

拥有此对象后，可以使用

KFold（）

创建多个测试和训练集

为了创建一组连通图，您可以选择多种方法，如：

• 删除X条随机边并检查图形是否连接（执行N次）
• 按注释中所述的增量方式添加边和节点，按顺序添加边，并检查图形是否与每个添加连接

问题是它们都很耗时而且可能不会收敛，高度依赖于它们的输入（随机状态和边的顺序）

---

我的建议是找到图的MST，这是基连通图，要创建它的变体，只需随机添加任何属于/不属于MST的边

您到底想实现什么？通过拆分数据进行k折叠交叉验证，以使每个折叠的序列集都是一个连接图。k折叠来自传统数据，您可以将数据集拆分为更小的独立记录，你不能用graph做这件事，因为它不能被拆分，所以它会保留它的属性，也许你可以模仿k折叠操作，但我需要知道你的用例是什么…@shahaf谢谢你的回答。在创建图形之前，数据保存在edgelists中，如.txt文件。我意识到，当还有时间维度时（就像我的例子），经典的k折叠就不能执行了。在这种情况下，我可以实现前向k折叠，比如：-折叠1：训练[1]，测试[2]，-折叠2：训练[12]，测试[3]，-折叠3：训练[1 2 3]，测试[4]，-折叠4：训练[1 2 3 4]，测试[5]，-折叠5：训练[1 2 3 4 5]，测试[6]