数据分析之图算法: 基于Spark和Neo4j

184

｜

第

8

章

模型整体上得到了改进，预测指标达到了

0.98

。此时情况变得更加困难，因为最容易的方

法已经用过了，但是仍有改进的空间。看看特征重要度有何变化：

rf_model = triangle_model.stages[-1]

plot_feature_importance(fields, rf_model.featureImportances)

运行该函数，结果如图

8-14

所示。共同作者特征对模型的影响仍然最大。也许需要探索新

领域了，看看添加社团信息后会发生什么。

图 8-14：三角形模型的特征重要度

8.3.9

　预测链接

：

社团发现

假设即使同一社团中的节点之间没有链接，它们之间存在链接的可能性也更大。此外，我

们认为社团越紧密，存在链接的可能性越大。

首先，使用

Neo4j

中的标签传播算法计算更粗粒度的社团。执行以下查询可实现这一操

作。对于训练集，该查询将把社团存储在

partitionTrain

性质中；对于测试集，则存储在

partitionTest

性质中：

CALL algo.labelPropagation("Author", "CO_AUTHOR_EARLY", "BOTH",

{partitionProperty: "partitionTrain"});

CALL algo.labelPropagation("Author", "CO_AUTHOR", "BOTH",

{partitionProperty: "partitionTest"});

使用图算法增强机器学习

｜