神经网络图形绘制

在python机器学习中会遇到各种各样的神经网络图形,以下为例子:

"""======================

Betweenness Centrality

======================

Betweenness centrality measures of positive gene functional associations

using WormNet v.3-GS.

Data from: https://www.inetbio.org/wormnet/downloadnetwork.php

"""

from random import sample

import networkx as nx

import matplotlib.pyplot as plt

Gold standard data of positive gene functional associations

from https://www.inetbio.org/wormnet/downloadnetwork.php

G = nx.read_edgelist("D:/OneDrive - stu.fynu.edu.cn/Gephi/WormNet.v3.benchmark.txt")

remove randomly selected nodes (to make example fast)

num_to_remove = int(len(G) / 1.5)

nodes = sample(list(G.nodes), num_to_remove)

G.remove_nodes_from(nodes)

remove low-degree nodes

low_degree = [n for n, d in G.degree() if d < 10]

G.remove_nodes_from(low_degree)

largest connected component

components = nx.connected_components(G)

largest_component = max(components, key=len)

H = G.subgraph(largest_component)

compute centrality

centrality = nx.betweenness_centrality(H, k=10, endpoints=True)

compute community structure

lpc = nx.community.label_propagation_communities(H)

community_index = {n: i for i, com in enumerate(lpc) for n in com}

draw graph

fig, ax = plt.subplots(figsize=(20, 15))

pos = nx.spring_layout(H, k=0.15, seed=4572321)

node_color = [community_index[n] for n in H]

node_size = [v * 20000 for v in centrality.values()]

nx.draw_networkx(

H,

pos=pos,

with_labels=False,

node_color=node_color,

node_size=node_size,

edge_color="gainsboro",

alpha=0.4,

)

Title/legend

font = {"color": "k", "fontweight": "bold", "fontsize": 20}

ax.set_title("Gene functional association network (C. elegans)", font)

Change font color for legend

font["color"] = "r"

ax.text(

0.80,

0.10,

"",

#"node color = community structure",

horizontalalignment="center",

transform=ax.transAxes,

fontdict=font,

)

ax.text(

0.80,

0.06,

"",

#"node size = betweenness centrality",

horizontalalignment="center",

transform=ax.transAxes,

fontdict=font,

)

Resize figure for label readability

ax.margins(0.1, 0.05)

fig.tight_layout()

plt.axis("off")

plt.savefig("D:/OneDrive - stu.fynu.edu.cn/Gephi/WormNet.v3.benchmark.png")

plt.show()

这样绘制出图形如下:

相关推荐
GocNeverGiveUp2 小时前
机器学习1-简单神经网络
人工智能·机器学习
終不似少年遊*6 小时前
美国加州房价数据分析02
人工智能·python·机器学习·数据挖掘·数据分析·回归算法
三月七(爱看动漫的程序员)7 小时前
HiQA: A Hierarchical Contextual Augmentation RAG for Multi-Documents QA---附录
人工智能·单片机·嵌入式硬件·物联网·机器学习·语言模型·自然语言处理
MUTA️7 小时前
RT-DETR学习笔记(2)
人工智能·笔记·深度学习·学习·机器学习·计算机视觉
ROBOT玲玉9 小时前
Milvus 中,FieldSchema 的 dim 参数和索引参数中的 “nlist“ 的区别
python·机器学习·numpy
GocNeverGiveUp9 小时前
机器学习2-NumPy
人工智能·机器学习·numpy
浊酒南街10 小时前
决策树(理论知识1)
算法·决策树·机器学习
B站计算机毕业设计超人10 小时前
计算机毕业设计PySpark+Hadoop中国城市交通分析与预测 Python交通预测 Python交通可视化 客流量预测 交通大数据 机器学习 深度学习
大数据·人工智能·爬虫·python·机器学习·课程设计·数据可视化
学术头条10 小时前
清华、智谱团队:探索 RLHF 的 scaling laws
人工智能·深度学习·算法·机器学习·语言模型·计算语言学
18号房客10 小时前
一个简单的机器学习实战例程,使用Scikit-Learn库来完成一个常见的分类任务——**鸢尾花数据集(Iris Dataset)**的分类
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·sklearn