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!
发布了134 篇原创文章 · 获赞 64 · 访问量 7万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 技术工厂 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览