torch_geometric笔记：nn. graclus （图点分类）

torch_geometric.nn.graclus(
    edge_index, 
    weight: Optional[torch.Tensor] = None, 
    num_nodes: Optional[int] = None)

一种图分类的方法，分类之后每个集簇类内点与点之间的边权重和最大

（分类的思路是采用：论文笔记：Weighted Graph Cuts without Eigenvectors:A Multilevel Approach_UQI-LIUWJ的博客-CSDN博客

的思路

我们以ENZYMES数据集的第一个data为例：

torch_geometric笔记：数据集 ENZYMES &Minibatches_UQI-LIUWJ的博客-CSDN博客

Data可视化结果如下：

torch_geometric 笔记：TORCH_GEOMETRIC.UTILS（更新中）_UQI-LIUWJ的博客-CSDN博客

 

from torch_geometric.datasets import TUDataset
 
dataset = TUDataset(root='', name='ENZYMES')

dataset[0]
#Data(edge_index=[2, 168], x=[37, 3], y=[1])

torch_geometric.nn.graclus(dataset[0].edge_index)
'''
tensor([ 0,  0,  2,  3,  4,  5,  4,  5,  8,  8, 10, 10, 12, 13, 13, 15, 15, 17,
        18, 17, 18, 21, 22, 23, 24, 12, 26,  2,  3, 24, 21, 31, 32, 33, 31, 22,
        33])
'''

每一次调用graclus可能结果都是不一样的。返回的内容一个LongTensor，第i维表示第i个点被归类到哪个cluster中去了

但是，没有说明使用的是哪种图聚类的目标函数【因为在论文中有如下的几种图划分的目标函数，（带权重的加上weight就可以了）】（希望知道的同学可以在评论区赐教）