Анализ взаимосвязи навыков с помощью графов в R

[@ntkj666]

Какой процент специалистов в программировании станков в реальности знает Swift?

[@finnfromfinland]

Целью исследования было также отразить требования работодателей, т.е. рынка. Поэтому мы брали данные о вакансиях, а не резюме или опросы специалистов.

Я согласен, интересно было бы также посмотреть как навыки взаимосвязаны на практике у реальных людей, и сравнить два графа: построенного на ожиданиях специалистов и на ожиданиях работодателей. Однако такой анализ, на мой взгляд, проблематичен из-за отсутствия данных. Анализ резюме не дал бы представлений о реальных взаимосвязях навыков.

[@strux]

Спасибо за материал,

Возник вопрос, почему не использовали более типичные для задач на классификацию методы.
Например метод ближайшего соседа

[@finnfromfinland]

Изначально планировали решать задачу обучения без учителя. Хотелось отразить рынок и требования работодателей, а при такой ситуации классы были не известны Т.е. мы делали кластеризацию, а не классификацию. А kNN используется когда классы известны.

[@strux]

Понятно, но я позащищаю идею)

knn выглядит хорошо с практической точки зрения, пока верно что st<s<=pt

где pt- количество типов позиций,
st — количество типов навыков
s — количество навыков.

Получается что у нас есть несколько классов (позиций) со схожими, но не идентичными различиями в наборе навыков

В итоге мне бы хотелось установить для каждого навыка несколько характеристик. (востребованость, необходимость для того, что бы претендовать на определенную позицию, влияние на оплату труда)

Возвращаясь к методу — не используя учителя мы во-первых немотивировано игнорируем принятую классификацию, а во- вторых теряем в практической интерпретации. Граф — это красиво, но предсказательная сила выглядит низкой.