利用机器学习进展实现网络的鲁棒分类与解释
社会与信息网络
2024-06-13 v2 谱理论
机器学习
摘要
基于经验数据模拟现实网络是跨越流行病学到计算机科学等众多科学学科的重要任务。通常，模拟方法涉及选择合适的网络生成模型，如Erdős-Rényi或小世界模型。然而，目前可用的工具很少能够量化特定生成模型是否适合捕捉给定的网络结构或组织。我们利用可解释机器学习的进展，基于各种网络属性（包括主特征及其交互作用）对我们生成模型模拟的网络进行分类。我们的研究强调了特定网络特征及其交互作用在区分生成模型、理解复杂网络结构以及现实世界网络形成中的重要性。
引用
@article{arxiv.2403.13215,
title = {Leveraging advances in machine learning for the robust classification and interpretation of networks},
author = {Raima Carol Appaw and Nicholas Fountain-Jones and Michael A. Charleston},
journal= {arXiv preprint arXiv:2403.13215},
year = {2024}
}
备注
27 pages, 6 figures, 1 table in the main document