![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
斯坦福大学CS224W图机器学习公开课
笔记
hlllllllhhhhh
这个作者很懒,什么都没留下…
展开
-
笔记(五)-传统图机器学习的特征工程-全图
两个图作数量积,得到一个标量,可以反应两个图是否相近。-提取出的特征要能够反应全图结构特点。-如果两个图比较相近,作均一化操作。-子图匹配是一个需要较大消耗。-和节点特征的子图不同的是。-时间复杂度是线性的。原创 2023-09-14 21:05:56 · 339 阅读 · 0 评论 -
笔记(四)传统图机器学习的特征工程-连接
也会出现两个节点没有邻域信息,所以就要考虑看全图信息。-共同好友个数、交并比、共同好友的重要度。-节点u和节点v之间长度为k的路径个数。工作:通过已知连接,补全未知连接。-容易忽略节点的重要度。原创 2023-09-14 20:26:19 · 309 阅读 · 0 评论 -
笔记(三)传统图机器学习的特征工程-节点
节点的重要度-特征向量=节点邻居节点重要度求和,属于递归问题。-人工构造的特征(特征工程)-节点、连接、全图-无向图。半监督学习:训练时用到了未标记节点的特征,所以是半监督。节点的重要度-集群系数-子图个数(同分异构体)节点的重要度-交通要道=作为连接结点。节点的重要度-最近路径=去哪都近。度、重要度、聚集系数、子图模式。节点的重要度-集群系数-三角形。(人工特征工程+机器学习)原创 2023-09-14 19:59:38 · 177 阅读 · 0 评论 -
笔记(二)图的基本表示【斯坦福CS224W图机器学习】
1、基础知识图是由节点和连接组成的本体图,具体图是本体图的实例化,取决于想要解决什么问题2、图的种类异质图异质图-二分图异质图-二分图-展开3、节点连接数节点的度、入度和出度。原创 2023-09-14 17:15:16 · 161 阅读 · 0 评论 -
笔记(一)斯坦福CS224W图机器学习、图神经网络、知识图谱
连接预测-二分图、推荐系统、已知连接推未知连接、药物联合副作用、导航。图层面:药物设计、物理模拟(粒子物理、流体物理)、蛋白质的空间预测。传统机器学习,数据是独立同分布的,解决表格、矩阵、序列等问题。图嵌入,把节点映射为D维向量,并且能够反应原数据的语义信息。图可视化工具:AntV、Echarts、Graphxr。工具:PyG、NetworkX、dgl、图,可以实现端到端的表示学习。节点分类-已知推未知。原创 2023-09-14 16:33:50 · 607 阅读 · 0 评论