最近，又有一款Python可視化工具火了。

這一次，功能是針對圖聚類問題的社群結構進行檢測、可視化。

該項目的帖子在reddit上一經(jīng)發(fā)布，就被頂?shù)搅恕皺C器學習板塊”的榜首。

一起來看看它究竟都能用來做什么吧~

功能亮點

這款工具叫做communities， 是一個Python庫，用于圖聚類問題的社群結構檢測。

它支持多種算法，包括：

• Louvain算法；
• Girvan-Newman算法；
• 層次聚類算法；
• 光譜聚類算法；
• Bron-Kerbosch算法。

更贊的是，communities還可以實現(xiàn)這些算法的可視化。

具體了解一下～

導入算法并插入矩陣

這里以Louvain算法為例。

這是一種基于模塊度的社群發(fā)現(xiàn)算法，也是貪心算法。

它根據(jù)頂點的共享邊將頂點排列成社群結構，也就是說，它將節(jié)點分為幾個社群，每個社群之間共享很少的連接，但是同一社群的節(jié)點之間共享許多連接。

最終，讓整個社群網(wǎng)絡呈現(xiàn)出一種模塊聚集的結構，實現(xiàn)整個社群網(wǎng)絡的模塊度的最大化。

所以首先，我們需要構建一個表示無向圖的鄰接矩陣，可以加權，也可以不加權，矩陣為2Dnumpy數(shù)組。

n*n矩陣則表示有n個節(jié)點，矩陣的每個位置分別表示各節(jié)點之間邊的關系，有邊則為1，沒有邊則為0。

然后，只需從communities.algorithms中導入算法并插入矩陣。

接下來輸出社群列表，每個社群即為一組節(jié)點。

實現(xiàn)可視化，并進行顏色編碼

利用communities將圖進行可視化，將節(jié)點分到社群中并進行顏色編碼，還可以選擇深色或淺色背景、保存圖片、選擇圖片的分辨率等等 。

其中各參數(shù)的具體含義為：

• adj_matrix (numpy.ndarray)：圖的鄰接矩陣；
• dark (bool, optional (default=False))：如果為 True, 則繪圖為深色背景，否則為淺色背景；
• filename (str or None, optional (default=None))：通過 filename 路徑可以將圖另存為PNG格式; 設置 None 則是用交互方式顯示圖；
• dpi (int or None, optional (default=None))：每英寸的點數(shù)，控制圖像的分辨率；
• seed (int, optional (default=2))：隨機種子。

具體到Louvain算法的可視化，代碼是這樣的：

動畫呈現(xiàn)算法

communities 還可以動畫呈現(xiàn)節(jié)點分配到社群的過程。

其中各參數(shù)的含義如下：

• adj_matrix (numpy.ndarray)：圖的鄰接矩陣；
• frames (list)：算法每次迭代的字典列表；
• 每個字典都有倆個鍵：“C”包含節(jié)點到社群的查找表，“Q”表示圖的模塊度數(shù)值；
• 此字典列表是 louvain_method的第二個返回值；
• dark (bool, optional (default=False))：如果為 True, 則動畫為深色背景和配色方案，否則為淺色方案；
• duration (int, optional (default=15))：動畫所需的持續(xù)時間，以秒為單位；
• filename (str or None, optional (default=None))：通過filename 路徑將動畫存為GIF；設置None則以交互方式展示動畫；
• dpi (int or None, optional (default=None))：每英寸點數(shù)，控制動畫的分辨率；
• seed (int, optional (default=2))：隨機種子。

例如，空手道俱樂部網(wǎng)絡中Louvain算法的動畫呈現(xiàn)：

我們可以看到Louvain算法的動態(tài)過程：

• 首先掃描數(shù)據(jù)中的所有節(jié)點，將每個節(jié)點看做一個獨立的社群；
• 接下來，遍歷每個節(jié)點的鄰居節(jié)點，判斷是否將該節(jié)點加入鄰居節(jié)點所在的社群，以提升模塊度；
• 這一過程重復迭代，直到每一個節(jié)點的社群歸屬穩(wěn)定；
• 最后，將所有在同一個社群的節(jié)點壓縮成一個新節(jié)點，計算新節(jié)點的權重，直到整個圖的模塊度穩(wěn)定。

大家可以通過文末鏈接，自行嘗試一下其他算法～

此外，它還可以用于社群間鄰接矩陣、拉普拉斯矩陣以及模塊度矩陣等。

對于這款工具，不少網(wǎng)友發(fā)出“awesome”、“really cool！”等花式贊嘆，表示正是自己需要的。

當然，也有網(wǎng)友提出疑問，例如：是否可以指定執(zhí)行的迭代次數(shù)（例如：提前停止）？

開發(fā)者對此表示：不能，但是對于某些算法，可以指定要將圖形劃分為多少個社群。

項目開發(fā)者Jonathan Shobrook，他目前是美國一家電商公司的軟件工程師。

之前GitHub上的熱門項目Rebound，也是出自他手，已經(jīng)獲得3.5k星。

更多信息可戳下方鏈接了解～

相關鏈接：

[1]https://github.com/shobrook/communities[2]https://www.reddit.com/r/MachineLearning/comments/lozys9/p_i_made_communities_a_library_of_clustering/

文章來源于網(wǎng)絡，侵刪！