Értékelés:
A könyv erős bevezetésként szolgál a gráf- és hálózatelemzésbe, különösen a kezdők és a számítástechnikai háttérrel rendelkezők számára. Míg sok kritikus dicséri a könyv áttekinthetőségét, a Python-kóddal ellátott példákat és a lebilincselő írói stílust, néhányan csalódottságuknak adnak hangot a tárgyalt összetett témák és algoritmusok mélysége miatt.
Előnyök:Világos magyarázatokat, konkrét példákat és Python-kódot nyújt, jól strukturált és tömör írás, szórakoztató és oktató stílus, kezdők és számítástechnikai háttérrel rendelkezők számára is alkalmas, hasznos gyakorlati alkalmazásokhoz.
Hátrányok:Néhány véleményező úgy találta, hogy az összetett témák és algoritmusok tekintetében nem elég mélyreható, egyes szakaszok túlságosan alapszintűek, és nem foglalkoznak teljes mértékben a címben szereplő összetettséggel.
(10 olvasói vélemény alapján)
Complex Network Analysis in Python: Recognize - Construct - Visualize - Analyze - Interpret
Hálózatok építése, elemzése és vizualizálása a networkx, egy Python nyelvi modul segítségével. A hálózatelemzés egy hatékony eszköz, amelyet számos adathalmazon és helyzetben alkalmazhat. Fedezze fel, hogyan dolgozhat mindenféle hálózattal, beleértve a társadalmi, termék-, időbeli, térbeli és szemantikai hálózatokat. Szinte bármilyen valós adatot átalakíthat komplex hálózattá - például kozmetikai termékek együttes használatára vonatkozó ajánlásokat, zavaros fedezeti alapkapcsolatokat és online barátságokat. Elemezze és vizualizálja a hálózatot, és hozzon üzleti döntéseket az elemzés alapján. Ha kíváncsi Python-programozó, adattudós vagy CNA-s szakember, akit érdekel a hétköznapi feladatok gépesítése, exponenciálisan növelheti termelékenységét.
Az összetett hálózatelemzést régebben kézzel vagy nem programozható hálózatelemző eszközökkel végezték, de többé már nem! Ezeket a feladatokat most már automatizálhatja és programozhatja Pythonban. Az összetett hálózatok összekapcsolt elemek, szavak, fogalmak vagy emberek gyűjteményei. Struktúrájuk és egyes elemeik feltárásával megismerhetjük jelentésüket, fejlődésüket és rugalmasságukat.
Egyszerű hálózatokból kiindulva alakítson át valós és szintetikus hálózati gráfokat networkx adatstruktúrákká. Nézzen meg bonyolultabb hálózatokat, és tanuljon meg nagyobb teljesítményű gépeket a centralitásszámítás, a blokkmodellezés, valamint a klikkek és közösségek felismerésének kezelésére. Ismerkedjen meg a programozható és interaktív, prezentációs minőségű hálózati vizualizációs eszközökkel - például a CNA explorerrel, a Gephi-vel. Alkalmazza az esettanulmányok mintáit a saját problémáira. Fedezze fel a nagy hálózatokat a NetworKit, egy nagy teljesítményű networkx helyettesítő segítségével. A könyv minden egyes része áttekintést nyújt a hálózatok egy osztályáról, tartalmazza a networkx funkciók és technikák gyakorlati tanulmányát, és különböző területekről - többek között a közösségi hálózatokról, az antropológiáról, a marketingről és a sportelemzésről - származó esettanulmányokkal zárul.
Kombinálja a CNA és a Python programozási ismereteit, hogy jobb hálózati elemzővé, teljesebb adattudóssá és sokoldalúbb programozóvá váljon.
Amire szüksége van:
Szükséged lesz egy Python 3.x telepítésre a következő kiegészítő modulokkal: (>=0. 18), NumPy (>=1. 10), matplotlib (>=1. 5), networkx (>=1. 11), python-louvain (>=0. 5), NetworKit (>=3. 6) és generalizesimilarity. Javasoljuk az Anaconda disztribúció használatát, amely a python-louvain, a NetworKit és a generalizedsimilarity kivételével mindezeket a modulokat tartalmazza, és minden nagyobb modern operációs rendszeren működik.
