Comparaison entre 2 algorithmes sous R

Bonjour,

J'aimerai comparer deux algorithmes qui permettent la génération de réseaux avec communautés. Il s'agit du même algorithme mais le premier est écrit avec les probabilités et le deuxième avec les fonctions de croyances.
Principe de l'algorithme:
par exemple pour 100 noeuds, il choisit aléatoirement 32 noeuds qui les réparti dans le k nombre de clusters (paramètre fixé initialement)
Cette répartition est effectuée grâce aux attributs des noeuds qui peuvent être des probabilités ou des fonctions de masse.Ensuite, il commence à ajouter les liens internes dans chaque cluster initial. Après il rajoute au fur et à mesure le reste des noeuds non répartis et crée les liens correspondants grâce à des fonctions de densité de probabilités.
Et au fur et à mesure de la création des liens, on leur attribue aléatoirement des labels qui peuvent être des probabilités ou des fonctions de masse.
En output, on obtient un réseau social incertain avec des communautés.
Comme je suis encore débutante avec R, j'aimerai savoir s'il y a un moyen de comparer ces deux versions de l'algorithme et de déterminer laquelle est meilleure?

Je vous remercie
Cordialement

Bonjour,

Je comprends mal ton algorithme.
Dans le cas de classification tu peux calculer les Inerties intra et Inter des groupes pour évaluer la pertinence du modèle.
Dans le cas d'une modélisation tu peux regarder les résultats et l'erreur quadratique ou la matrice de confusion selon le type de données pour évaluer la qualité de ton modèle.

Au plaisir de te lire.

Bonjour,

Tout d'abord je tiens à vous remercier pour votre réponse.
En fait, le but de mon algorithme n'est pas la classification mais la génération aléatoire d'un réseau social avec communautés (la classification est une étape préliminaire dans l'association d'une partie des noeuds à des communautés initiales en utilisant les attributs des noeuds.)
Mon objectif est de comparer deux réseaux générés et de voir quelle est la meilleure version. C'est à dire, est ce que le réseau donne plus d'informations quand on utilise des probabilités pour les attributs des liens et des noeuds ou la version évidentielle est meilleure (utilisation des fonctions de masse).
Je veux juste préciser qu'un noeud, par exemple, peut être de type "personne" avec une probabilité de 0.6, de type "entreprise" avec une probabilité de 0.3 et de type "place" avec une probabilité de 0.1.
De même pour les liens, un lien peut être de type "amical" avec une probabilité de 0.7 , de type "familial" avec une probabilité de 0.2 et de type "professionnel" avec une probabilité de 0.1.
On fait de même avec les fonctions de masse.
Je sais qu'en théorie, la théorie des fonctions de croyance donne de meilleurs résultats car elle modélise l'ignorance.
mais dans mon cas, je ne sais pas quel est le meilleur moyen à utiliser pour montrer laquelle des deux génération est meilleure sur le plan expérimental.
J'espère que c'est plus clair maintenant.

Je vous remercie