節點與網絡中其他節點的交互都是通過其鄰居節點來 進行的，因此節點的鄰居越多，意味著該節點能夠 向外傳遞的信息越多，從網絡外部接受信息也越容易。 有向網絡中，又可以定義出度中心度、入度中心度。
    社區發現是根據網絡中的邊的連接模式，把網絡頂點劃分為群組。將網絡頂點劃分為群組後最常見的屬性是，同一群組內部的頂點之間緊密連 接，而不同群組之間隻有少數邊連接。社團發現的目的是就要找到網絡內部不同群組之間的自然分割線。簡而言之，它是一個把網絡自然劃分為頂點群組的問題，從而使得群組內有 許多邊，而群組之間幾乎沒有邊。然而，“許多”和“幾乎沒有”到底是多少， 這個問題值得商榷，為此提出了多種不同的定義，從而產生了不同的社團發 現算法8基於層次聚類的算法。    數據缺失的原因數據采集過程可能會造成數據缺失；數據通過網絡等渠道進行傳輸時也可能出現數據丟失或出錯，從而造成 數據缺失；在數據整合過程中也可能引入缺失值刪除法刪除法通過刪除包含缺失值的數據，來得到一個完整的數據子集. 數據的 刪除既可以從樣本的角度進行，也可以從特征的角度進行。 刪除特征：當某個特征缺失值較多，且該特征對數據分析的目標影響 不大時， 可以將該特征刪除 刪除樣本：刪除存在數據缺失的樣本。 該方法適合某些樣本有多個特征存在缺失值，且存在缺失值的樣本占 整個數據集樣本數量的比例不高的情形 缺點：它以減少數據來換取信息的完整，丟失了大量隱藏在這些被刪除數據 中的信息；在一些實際場景下數據的采集成本高且缺失值無法避免，刪除法可 能會造成大量的資源浪費均值填補計算該特征中非缺失值的平均值數值型特征）或眾數非數值型特 征），然後使用平均值或眾數來代替缺失值缺點一：均值填補法會使得數據過分集中在平均值或眾數上，導致特征 的方差被低估 缺點二：由於完全忽略特征之間的相關性，均值填補法會大大弱化特征 之間的相關性隨機填補隨機填補是在均值填補的基礎上加上隨機項，通過增加缺失值的隨機性 來改善缺失值分布過於集中的缺陷。
    等距離散化eaidth discretization）：將數據劃分為等寬間隔的區間，這種方法需要先確定區間的個數n，再根據最小值in和最大值ax計算出每個區間的間隔長度axin）n，相鄰兩個區間的寬度都是相同的。等頻率離散化eafreency discretization）：將數據劃分為相同的數量級別，每個區間包含的記錄數相等。這種方法首先將數據按照大小排序，然後將排序後的數據分成n等份，每份個數為數據總數n，在每個區間的邊界處劃分數據。基於聚類的離散化：將數據分成若幹個簇，簇內的數據相似度高，簇間數據相似度低。具體實現時可以使用聚類算法如keans、dbscan等。自適應離散化：通過迭代的方式，不斷根據數據的特性調整區間的邊界，以達到最優的離散化效果。下麵分別以等距離散化、等頻率離散化、基於聚類的離散化和自適應離散化為例子，分別列出具體的例題：等距離散化假設我們有一個包含1000個學生身高數據的數據集，我們想將身高離散化成10個等寬的區間，以下是離散化方法：計算身高的最小值和最大值，假設最小值為140，最大值為200。計算每個區間的寬度，假設共10個區間，每個區間的寬度為(200140)10 = 6。根據每個學生的身高，將其分入相應的區間。等頻率離散化假設我們有一個包含200家公司的財務數據的數據集，我們想將每個公司的營業收入離散化成5個等頻率的區間，以下是離散化方法：將所有公司的營業收入升序排序。計算每個區間的數據數量，在本例中，因為共有200個公司，所以每個區間包含40個公司。找到每個區間的邊界，比如第一個區間的最小值和第二個區間的最大值，這兩個值之間的所有公司的營業收入都屬於第一個區間。
    喜歡離語請大家收藏：()離語書更新速度全網最快。