图机器学习笔记——导论

本文内容为开源学习社区Datawhale《图机器学习》课程笔记
课程开源内容贡献:B站 @同济子豪兄

如何看待数据

  • 传统机器学习:将数据视为一组独立同分布的样本,数据之间没有关联关系。
  • 图机器学习:通过节点-边的方式将不同的数据样本关联起来。

现实中的图

很多现实中的事物都可以抽象出图的模型,例如:

  • 事件关联图
  • 计算机集群网络
  • 疾病传播路径
  • 毒株变异路径
  • 食物网
  • 地铁线路网
  • 社交网络
  • 文献引用关系
  • 神经网络
  • 知识图谱
  • 化学分子(原子与键)
  • 3D图形
  • 图片场景(画面中的物体及其关系——图像语义)

图与机器学习

数据之间的关联关系    ⟹    \implies

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值