TrustGeo代码理解（五）utils.py（辅助函数，包括视图融合的代码）

代码链接：https://github.com/ICDM-UESTC/TrustGeo

└── TrustGeo
    ├── datasets # 包含3个大规模的真实街道IP地理位置数据集。
    │        |── New_York # 从纽约市收集的街道级IP地理定位数据集，包括91,808个IP地址。
    │        |── Los_Angeles # 从洛杉矶收集的街道级IP地理定位数据集，包括92,804个IP地址。
    │        |── Shanghai # 收集自上海的街道级IP地理定位数据集，包括126,258个IP地址。
    ├── lib # 包含模型（model）实现文件
    │        |── layers.py # 注意力机制的代码。
    │        |── model.py # TrustGeo的核心源代码。
    │        |── sublayers.py # layer.py的支持文件。
    │        |── utils.py # 辅助函数，包括视图融合的代码
    ├── asset # 包含运行模型时保存的检查点和日志
    │        |── log # 包含运行模型时保存的日志
    │        |── model # 包含运行模型时保存的检查点
    ├── preprocess.py # 预处理数据集并为模型运行执行IP聚类
    ├── main.py # 运行模型进行训练和测试
    ├── test.py #加载检查点，然后测试
    └── README.md

一、导入常用库和模块

from __future__ import print_function
from distutils.version import LooseVersion
from matplotlib.scale import LogisticTransform
import numpy as np
import torch
import warnings
import torch.nn as nn
import random
import matplotlib.pyplot as plt
import copy

这段代码首先包含一些导入语句，接着进行一些版本和警告的处理，最后导入了一些常用的库（numpy、torch、matplotlib），并定义了一些常用的模块（nn，plt）。

该块实现与RIPGeo部分一致

RIPGeo代码理解（五）utils.py（ 辅助函数）第一部分-CSDN博客

不同之处在于：

1、from distutils.version import LooseVersion：导入LooseVersion类，用于比较版本号。

2、from matplotlib.scale import LogisticTransform：导入了matplotlib库中的LogisticTransform类。LogisticTransform是matplotlib中用于对坐标轴进行变换的一个类。

二、warnings.filterwarnings(action='once')

设置了在使用warnings.filterwarnings时的参数。filterwarnings函数用于配置警告过滤器，以控制哪些警告会被触发，以及如何处理这些警告。

该块实现与RIPGeo完全一致

RIPGeo代码理解（五）utils.py（ 辅助函数）第一部分-CSDN博客

三、MaxMinLogRTTScaler类定义（NN模型）

class MaxMinLogRTTScaler():
    def __init__(self):
        self.min = 0.
        self.max = 1.

    def transform(self, data):
        data_o = np.array(data)
        data_o = np.log(data_o + 1)
        return (data_o - self.min) / (self.max - self.min)

这是一个最大最小归一化和对数变换的类，用于对输入数据进行预处理。这个类的实例可以用于对RTT（Round-Trip Time）等数据进行预处理，使其适用于某些需要输入在固定范围内的模型。

该块实现与RIPGeo完全一致

RIPGeo代码理解（五）utils.py（ 辅助函数）第二部分-CSDN博客

四、MaxMinRTTScaler类定义（NN模型）

class MaxMinRTTScaler():
    def __init__(self):
        self.min = 0.
        self.max = 1.

    def transform(self, data):
        data_o = np.array(data)
        # data_o = np.log(data_o + 1)
        return (data_o - self.min) / (self.max - self.min)

这是一个用于进行最大-最小缩放（Max-Min Scaling）的类。这种缩放方法用于将数据缩放到指定的范围，通常是[0, 1]。

该块实现与RIPGeo完全一致

RIPGeo代码理解（五）utils.py（ 辅助函数）第二部分-CSDN博客

五、MaxMinLogScaler类定义（NN模型）

class MaxMinLogScaler():
    def __init__(self):
        self.min = 0.
        self.max = 1.

    def transform(self, data):
        data[data != 0] = -np.log(data[data != 0] + 1)
        max = torch.from_numpy(self.max).type_as(data).to(data.device) if torch.is_tensor(data) else self.max
        min = torch.from_numpy(self.min).type_as(data).to(data.device) if torch.is_tensor(data) else self.min
        data[data != 0] = (data[data != 0] - min) / (max - min)
        return data

    def inverse_transform(self, data):
        max = torch.from_numpy(self.max).type_as(data).to(data.device) if torch.is_tensor(data) else self.max
        min = torch.from_numpy(self.min).type_as(data).