基于网络关系的分类变量预测研究

传统的预测方法通常基于个体的协变量信息进行建模和预测，少有考虑个体间的网络结构信息。事实上，网络节点间的关联信息能够为节点的响应变量预测提供信息，为此本文提出网络标签传播算法。基于半监督学习框架，以邻接矩阵为节点相似性推断依据，通过节点间的连接信息和已知节点的响应变量信息，来推断未知节点的响应变量信息。该算法适用于响应变量为分类变量的不完整网络数据。在网络服从随机分块模型的设定下，本文证明了该算法能够一致地预测未知节点的响应变量。数值模拟和实证数据分析结果显示，该算法预测效果较好。