我想评估和比较我在R中的社区检测算法的结果。我的算法不允许重叠，并且有一些节点没有被处理。例如，对于扎卡里空手道俱乐部，我有1个节点未经处理。 我发现了很多指标（NMI，ARI，Modulaity（Q），Purity，Rank Index ......），我不知道哪些是最好的。目前，我使用模块化，纯度和等级指数。
这些评估指标是否足够？
例如，对于秩索引，RI（P，R）=（a + d）/（a + b + c + d）其中a，b，c和d是节点对的数量根据P和R分别在同一社区中，根据P在同一社区中，但在不同的社区中根据R，在不同的社区中由P给出但在同一社区中由R给出，并且在不同的社区中根据P和R都有，P = {p1，p2 ,. 。 。 ，pk}是应用于图G =＆lt;的社区检测算法的输出。 V，E>，并且R = {r1，r2，... 。 。 ，是真正的社区结构。
因此，如果我处理大图，我该如何计算这些值？我在哪里可以找到R（真正的社区结构）？
答案 0 :(得分：0)
您混淆了两种类型的措施：内部和外部标准，如针对群集问题所定义的（请参阅this page）。
不是最好的＆＃39;衡量：它们都是不同的，并且依赖于如何量化社区检测算法的性能的不同概念。一个更相关的问题是：哪些措施适合您的情况？
实际上，您列出的度量都需要节点集的分区。您提到您的算法会忽略某些节点，因此这可能是个问题。一个基本的解决方法是考虑每个被忽略的节点构成自己的社区。或者，为重叠社区结构定义的某些措施能够处理这种情况。
另一个重点是您用于测试算法的数据。您是否拥有这些数据的实际社区结构？如果没有，那么你根本就不能使用外部标准。
请注意，大多数外部标准认为社区结构只是节点集的分区（在数学意义上）。因此，它们依赖于参考和估计的分区的比较。这是因为它们都来自聚类分析领域。这个问题是他们完全没有考虑到网络链接。然而，社区结构不仅仅是节点集的分区：链接在此分区上的分布方式非常重要。因此，您可能希望以更加定性的方式评估社区结构，例如通过比较检测到的社区的拓扑属性（请参阅Orman'12）。您也可以更改现有度量，使其考虑链接（请参阅Labatut'13）。并不是说我特别想引用自己，但论文似乎很有用。
关于这些措施的具体处理，您可能希望查看用于执行社区检测的工具的文档：其中一些与性能度量捆绑在一起。例如，如果您使用igraph，则有function just for that。