Une fois l'algorithme exécuté, l'action génère plusieurs objets de résultats riches en informations. La table de sortie principale, spécifiée par le paramètre out, contient l'affectation exacte de chaque nœud à ses communautés respectives, ce qui permet de l'intégrer directement dans des modèles de machine learningBranche de l'IA utilisant des algorithmes pour apprendre des modèles à partir de données. Il permet d'automatiser des prédictions ou des décisions sans programmation explicite de chaque règle. en aval. Le dictionnaire de résultats renvoie des métriques scalaires précieuses telles que numCliques, représentant le nombre total de communautés détectées, et cliqueNumber, qui correspond à la taille de la plus grande communauté du réseau. Ces métriques permettent aux data scientistsExperts extrayant des connaissances via des méthodes statistiques, algorithmes et IA. Ils transforment les données brutes en insights stratégiques pour résoudre des problèmes métier complexes. de déclencher des alertes automatisées si la densité d'un réseau dépasse un seuil d'alerte critique.
Comment exploiter les résultats générés par l'algorithme pour automatiser la prise de décision ?
Automatisation et Opérationnalisation via CASL
Exemples pour l'action clique
Recherche de base des cliques
Exécute l'algorithme sur les données par défaut pour trouver la première clique maximale.
Extraction exhaustive de toutes les cliques de taille 3+
On demande au moteur de trouver absolument TOUTES les cliques (maxCliques='ALL') qui ont au moins 3 membres (minSize=3).

