机器学习--图神经网络

什么是图神经网络cnn？

图神经网络（Graph Neural Network，GNN）是一种专门用于处理图结构数据的神经网络。图结构数据由节点（nodes）和边（edges）组成，可以表示复杂的关系和交互，例如社交网络、分子结构、交通网络等。GNN的核心思想是通过节点间的信息传递来学习节点的表示，从而能够处理节点分类、图分类、链接预测等任务。

图神经网络的关键特点？

节点特征：每个节点通常具有一个特征向量，可以是连续的数值，也可以是离散的类别标签。

边的权重：边可以有权重，表示节点间关系的强度或类型。

局部邻域：GNN通常通过考虑节点的局部邻域（即与节点直接相连的其他节点）来更新节点的表示。

信息传递：节点通过边将信息传递给邻居节点，这个过程可以是同步的或异步的。

聚合操作：在每次迭代中，节点会收集来自邻居的信息，并通过聚合操作（如求和、平均、最大值等）来更新自己的表示。

多层结构：GNN可以有多个层，每一层都会进一步抽象节点的表示，捕捉更复杂的图结构特征。

复现论文并且理解dyhater方法

论文

准备好代码和测试环境

表示正在安装对应的插件

运行后

最终预测出来的结果如下所示。