如何解决链接预测SVM交叉验证，F分数低的问题
我正在尝试预测图中的新边 我将其转换为带有'source''destination''link'列的dataFrame，'link'是二进制变量，如果节点对之间存在边，则link = 1，否则为0
为了发挥我使用Node2Vec的功能（如果有更好的解决方法，请告诉我），我放下了一些可移动的边缘：
# drop removable edges
df_partial = df_.drop(index= df_ghost.index.values)
# build graph
G_data = nx.from_pandas_edgelist(df_partial,"node_1","node_2",create_using=nx.Graph())
# Generate walks
node2vec = Node2Vec(G_data,dimensions=77,walk_length=17,num_walks=50)
# train node2vec model
n2w_model = node2vec.fit(window=7,min_count=1)
x = [(n2w_model[str(i)]+n2w_model[str(j)]) for i,j in zip(data['node_1'],data['node_2'])]
使用SVM和交叉验证来获取Accuracy，F1，Precision，Recall，AucRoc，Confusion Matrix metricx：
clf_svm = svm.SVC(kernel='rbf',C=1)
#scores_svm = cross_val_score(clf_svm,np.array(x),data['link'],cv=5)
predicted = cross_val_predict(clf_svm,cv=5,n_jobs=2)
结果
Accuracy 0.8344660194174758
F1 0.005830903790087464
F1 micro 0.8344660194174758
FA macro 0.4577738050854064
Precision 0.16666666666666666
Avg precision score 0.1636013559582457
Confusion Matrix : [[1718 5]
[ 336 1]]
Recall 0.002967359050445104
Roc Auc score 0.5000327218931855
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。