在复杂网络上应用机器学习方法的一般步骤

基于复杂网络的机器学习方法（machine learning methods based on complex networks）

（1）收集基于向量的数据集并对其进行预处理（Gather the vector-based data set and preprocess it accordingly）

数据的预处理一般包括：

• 属性转换（attribute transformation）：
  缩放（scaling）,
  标准化（normalization）,
  标准化（ standardization）,
  中心化（demeaning）,
  组合（combination）,
  分解（ decomposition）,
  聚合（aggregation）
• 删除（deletion）
• 数据清洗（cleaning）
  移除异常值（removal of outliers）,
  添补缺失值（imputation of missing attributes ）
• 采样（sampling）
• 以及其它许多预处理操作

（2）将基于向量的数据转化为基于网络的数据（Transform the vector-based into network-based data）.

• 网络构建技术（Network Construction Techniques）
• 生成的网络（generated network）

（3）将基于网络的机器学习任务应用到基于矢量数据构建的网络中（Apply the network-based machine learning task in the network constructed from
the vector-based data）

以上是《Machine Learning in Complex Networks》阅读笔记！