图机器学习(1)

最新推荐文章于 2024-04-29 16:49:30 发布

清水湾的水

最新推荐文章于 2024-04-29 16:49:30 发布

阅读量183

点赞数

分类专栏： python 图机器学习文章标签：数据挖掘 python

本文链接：https://blog.csdn.net/cezyzhao/article/details/129033465

版权

python 同时被 2 个专栏收录

5 篇文章 0 订阅

订阅专栏

图机器学习

2 篇文章 0 订阅

订阅专栏

系列文章目录

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

提示：这里可以添加本文要记录的大概内容：

图是描述大自然各种关联现象的通用语言，图无处不在。不同于传统数据分析中样本独立同分布假设，图数据自带了关联结构，需要使用专门的图神经网络进行深度学习。图数据挖掘的常见任务、典型方法、应用场景、编程工具。
斯坦福CS224W公开课介绍了在节点、连接、子图、全图各个层面进行图数据挖掘的典型任务，以及在蛋白质结构预测、生物医药、内容推荐、文献挖掘、社交网络、开源项目评价等领域的应用。

提示：以下是本篇文章正文内容，下面案例可供参考

一、图机器学习编程工具

PyG：www.pyg.org

NetworkX：networkx.org

DGL：www.dgl.ai

AntV图可视化工具Graphin：graphin.antv.vision

AntV图可视化工具G6：g6.antv.antgroup.com

Echarts可视化：echarts.apache.org/examples/zh/index.html#chart-type-graphGL

二、思考题

打开你的手机，里面那些APP用到了图机器学习和图神经网络的技术？（内容个性化推荐、社交网络、银行金融）
答：图机器学习和图神经网络可以应用在
社交网络：微信，Facebook
个性化推荐：淘宝，抖音，美团
搜索：谷歌，百度
银行金融：富途

A股、港股、美股市值最高的上市公司，哪些公司的核心资产是图？
答：阿里巴巴，腾讯，快手，美团

观看电影《社交网络》，图和图数据挖掘的商业价值体现在哪些方面？
答：有空再看

马化腾在2022年12月内部讲话提到，微信视频号是整个腾讯的希望，请从图的角度解释这句话。
答：当年的QQ游戏利用社交网络对联众游戏进行了降维打击。微信视频号也是利用社交属性，来对短视频进行推荐，发送和传播。

在你自己的研究领域，哪些数据可以用图或者网络来表示，如何进行图数据挖掘？
答：在汽车领域，每个零部件都是节点node，它与其他零件的关系可以看做是边edge，那么在整车生产中，可以根据关系来安排组装顺序，更合理的安排工序。在汽车维修中，可以通过知道某个零件的需求预测出相关零件的需求。
在材料研发中，每种原材料可以看做节点node，它和其他材料的关系可以看做edge，而材料之间的比例可以看做边的权重weight。

近年来，图数据挖掘在哪些领域带来了革命性进展？
答：图数据挖掘在蛋白质结构预测方面做出了革命性的进展。为制药学提供了基础和依据。

图数据挖掘解决哪些基本任务？
答：解决了各个节点之间并非独立，而是有关联的问题。

分别从图、连接、节点三个层面，举例解释图数据挖掘在生物医学方面的应用。
答：氨基酸就是节点，氨基酸之间的作用就是连接，节点和连接组成了肽，多肽，蛋白质，就是图。

图神经网络为什么是端到端的？为什么不需要人工做特征工程？
答：图神经网络是一个黑盒。中间有激活函数，正则，dropout。可以自动学习到特征，不需要人工干预。把node变成d维向量。

图神经网络和其它神经网络有什么区别？
答：全连接神经网络，卷积神经网络cs231，循环神经网络cs224n，Transformer 和图神经网络cs224w的区别。
卷积神经网络处理图像数据，独立同分布。
循环神经网络，Transformer处理语音，文本数据，带有前后顺序的序列数据。
全连接神经网络处理表格数据。
图神经网络处理节点和连接的图数据。

简述AlphaFold的基本原理，它解决了哪些以前解决不了的问题？
答：通过氨基酸（一级元素）预测蛋白质（三级元素）的空间结构。

图机器学习和传统机器学习有什么区别和难点？
答：图机器学习解决了数据之间的联系。传统机器学习要求数据独立同分布。

图机器学习的编程工具有哪些？看看它们的官网吧（Graphgym、pyG、networkx、dgl、Pytorch、AntV、Echarts）
答：好的
Graphgym