Warning: file_get_contents(/data/phpspider/zhask/data//catemap/4/r/83.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181

Warning: file_get_contents(/data/phpspider/zhask/data//catemap/3/heroku/2.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
在R/Python中为边节点三角形邻接矩阵创建联合聚类_Python_R_Graph_Machine Learning_Igraph - Fatal编程技术网

在R/Python中为边节点三角形邻接矩阵创建联合聚类

在R/Python中为边节点三角形邻接矩阵创建联合聚类,python,r,graph,machine-learning,igraph,Python,R,Graph,Machine Learning,Igraph,我有下面的边(行)节点(cols)三角形邻接矩阵,其中如果边属于三角形,则每个条目中都有一个。我想在这个矩阵上进行联合聚类(但正如你看到的,它不是一个传统的伴随矩阵)。如果R中已经有一些共聚类函数,那会怎么样?我知道R在blockcluster中包含了cocluster函数,但是找不到一个很好的例子来使用它。Python/R代码/包应该适合我 这是图表 library(igraph) set.seed(1) g <- erdos.renyi.game(15, .6) 73 x 15 sp

我有下面的边(行)节点(cols)三角形邻接矩阵,其中如果边属于三角形,则每个条目中都有一个。我想在这个矩阵上进行联合聚类(但正如你看到的,它不是一个传统的伴随矩阵)。如果R中已经有一些共聚类函数,那会怎么样?我知道R在
blockcluster
中包含了cocluster函数,但是找不到一个很好的例子来使用它。Python/R代码/包应该适合我

这是图表

library(igraph)
set.seed(1)
g <- erdos.renyi.game(15, .6)

73 x 15 sparse Matrix of class "dgCMatrix"

 [1,] 1 1 . . . . . . . . . . . . .
 [2,] . 1 1 . . . . . . . . . . . .
 [3,] 1 . . . 1 . . . . . . . . . .
 [4,] . 1 . . 1 . . . . . . . . . .
 [5,] . . 1 . 1 . . . . . . . . . .
 [6,] . . . 1 1 . . . . . . . . . .
 [7,] 1 . . . . 1 . . . . . . . . .
 [8,] . . . 1 . 1 . . . . . . . . .
 [9,] 1 . . . . . 1 . . . . . . . .
[10,] . 1 . . . . 1 . . . . . . . .
[11,] . . 1 . . . 1 . . . . . . . .
[12,] . . . . . 1 1 . . . . . . . .
[13,] 1 . . . . . . 1 . . . . . . .
[14,] . . 1 . . . . 1 . . . . . . .
[15,] . . . 1 . . . 1 . . . . . . .
[16,] . . . . 1 . . 1 . . . . . . .
[17,] . . . . . 1 . 1 . . . . . . .
[18,] . . . . . . 1 1 . . . . . . .
[19,] 1 . . . . . . . 1 . . . . . .
[20,] . . . 1 . . . . 1 . . . . . .
[21,] . . . . 1 . . . 1 . . . . . .
[22,] . . . . . 1 . . 1 . . . . . .
[23,] . . . . . . 1 . 1 . . . . . .
[24,] . . . . . . . 1 1 . . . . . .
[25,] 1 . . . . . . . . 1 . . . . .
[26,] . 1 . . . . . . . 1 . . . . .
[27,] . . 1 . . . . . . 1 . . . . .
[28,] . . . . 1 . . . . 1 . . . . .
[29,] . . . . . . 1 . . 1 . . . . .
[30,] . . . . . . . 1 . 1 . . . . .
[31,] . . . . . . . . 1 1 . . . . .
[32,] . . 1 . . . . . . . 1 . . . .
[33,] . . . 1 . . . . . . 1 . . . .
[34,] . . . . 1 . . . . . 1 . . . .
[35,] . . . . . 1 . . . . 1 . . . .
[36,] . . . . . . . 1 . . 1 . . . .
[37,] . . . . . . . . 1 . 1 . . . .
[38,] . 1 . . . . . . . . . 1 . . .
[39,] . . 1 . . . . . . . . 1 . . .
[40,] . . . 1 . . . . . . . 1 . . .
[41,] . . . . 1 . . . . . . 1 . . .
[42,] . . . . . 1 . . . . . 1 . . .
[43,] . . . . . . 1 . . . . 1 . . .
[44,] . . . . . . . 1 . . . 1 . . .
[45,] . . . . . . . . 1 . . 1 . . .
[46,] . . . . . . . . . . 1 1 . . .
[47,] 1 . . . . . . . . . . . 1 . .
[48,] . 1 . . . . . . . . . . 1 . .
[49,] . . 1 . . . . . . . . . 1 . .
[50,] . . . 1 . . . . . . . . 1 . .
[51,] . . . . . 1 . . . . . . 1 . .
[52,] . . . . . . 1 . . . . . 1 . .
[53,] . . . . . . . . 1 . . . 1 . .
[54,] . . . . . . . . . 1 . . 1 . .
[55,] . . . . . . . . . . 1 . 1 . .
[56,] 1 . . . . . . . . . . . . 1 .
[57,] . 1 . . . . . . . . . . . 1 .
[58,] . . 1 . . . . . . . . . . 1 .
[59,] . . . 1 . . . . . . . . . 1 .
[60,] . . . . . 1 . . . . . . . 1 .
[61,] . . . . . . . 1 . . . . . 1 .
[62,] . . . . . . . . . 1 . . . 1 .
[63,] . . . . . . . . . . 1 . . 1 .
[64,] . . . . . . . . . . . . 1 1 .
[65,] . 1 . . . . . . . . . . . . 1
[66,] . . . 1 . . . . . . . . . . 1
[67,] . . . . 1 . . . . . . . . . 1
[68,] . . . . . 1 . . . . . . . . 1
[69,] . . . . . . 1 . . . . . . . 1
[70,] . . . . . . . 1 . . . . . . 1
[71,] . . . . . . . . . . 1 . . . 1
[72,] . . . . . . . . . . . . 1 . 1
[73,] . . . . . . . . . . . . . 1 1
库(igraph)
种子(1)

gscikit学习中存在双聚类(与共聚类相同)

我不知道你问题的R部分
library(igraph)

library(blockcluster)

set.seed(1)
g <- erdos.renyi.game(15, .6)
m <- get.adjacency(g)
m <- as.matrix(m)

cc <- cocluster(m, datatype="binary", nbcocluster=c(3,3))
图书馆(区块集群) 种子(1)
g我不认为
igraph
中包含
coclustering
功能。@GaborCsardi我在这个链接中提到了
coclustering
,如果
igraph
coclustering
功能,那就太好了。请提供更多关于
coclustering
在矩阵中失败的原因的信息(即失败时打印什么?)。我刚刚尝试了
共聚类(as.matrix(m),datatype=“binary”,nbcocluster=c(3,3))
其中
m
是一个稀疏矩阵,对我来说效果非常好。请注意,您需要
as.matrix(m)
,因为
cocluster
似乎只对密集矩阵有效。