weixin_42052081的博客

简介　　Logistic回归是一种机器学习分类算法，用于预测分类因变量的概率。 在逻辑回归中，因变量是一个二进制变量，包含编码为1（是，成功等）或0（不，失败等）的数据。 换句话说，逻辑回归模型预测P（Y = 1）是X的函数。　　数据　　该数据集来自UCI机器学习库，它与葡萄牙银行机构的直接营销活动（电话）有关。 分类目标是预测客户是否将购买定期存款（变量y）。 数据集可以从这里下载或...

图神经网络的基本结构及演变过程引言2019年伊始，一篇年度十大科技展望吸引了广泛的关注，其中一个趋势与本章的主题相关：“超大规模图神经网络系统将赋予机器常识”。而这已经不是图神经网络第一次被放到深度学习技术的头条位置了。2018年，DeepMind、谷歌大脑、MIT和爱丁堡大学的27名作者，对图神经网络及其推理能力进行了全面阐述[1]。随后，图卷积网络（Graph Convolution...

def example(*args, **kwargs): print('-------------------') print('args = ', args) print('kwargs = ', kwargs) print('-------------------') if __name__ == '__main__': example(1,...

在线书地址：https://zh.gluon.ai/toc.htmlGitHub项目：https://github.com/diveintodeeplearning/d2l-zhPDF：https://zh.gluon.ai/gluon_tutorials_zh.pdf视频：https://space.bilibili.com/209599371/channel/detail?...

import numpy as npfrom collections import defaultdictgetW1 = [[0.236, -0.962, 0.686, 0.785, -0.454, -0.833, -0.744, 0.677, -0.427, -0.066], [-0.907, 0.894, 0.225, 0.673, -0.579, -0.428, 0.685, 0...

https://mp.weixin.qq.com/s/kFiP2k6selIptz50QHfSrw

第一部分：图卷积网络到底怎么做，这是一份极简的Numpy实现由于图结构非常复杂且信息量很大，因此对于图的机器学习是一项艰巨的任务。本文介绍了如何使用图卷积网络（GCN）对图进行深度学习，GCN 是一种可直接作用于图并利用其结构信息的强大神经网络。本文将介绍 GCN，并使用代码示例说明信息是如何通过 GCN 的隐藏层传播的。读者将看到 GCN 如何聚合来自前一层的信息，以及这种机制如何生成图...

由于图结构非常复杂且信息量很大，因此对于图的机器学习是一项艰巨的任务。本文介绍了如何使用图卷积网络（GCN）对图进行深度学习，GCN 是一种可直接作用于图并利用其结构信息的强大神经网络。本文将介绍 GCN，并使用代码示例说明信息是如何通过 GCN 的隐藏层传播的。读者将看到 GCN 如何聚合来自前一层的信息，以及这种机制如何生成图中节点的有用特征表征。何为图卷积网络？...

设数据列为A列和B列，在C列（C1）输入=A1&" "&B1公式中的西文引号间是4个空格公式向下填充。复制C列，粘贴到txt文件追问：我刚才试了一下，可是我的数据的第二列是小数点后有三位数的数值。这样的话我用这个方法第二列的数值小数点后面的数值就没有了。您能帮我解决一下这个问题吗？谢谢了！！！如果小数位数是固定三位的话，将C1的公式变一下...

《Graph Learning》| 第一章：缤纷的图世界原创： 刘忠雨 极验 2018-05-31  技术专栏  本文作者：刘忠雨由萝卜兔编辑整理 通过前文《浅析图卷积神经网络》的介绍，相信大家对于图学习有了一个初步的认识，接下来我们将更加细致的解析图学习的相关知识。 开启图学习算法的第一步：理解什么是图 在数学上，图（Graph）是表示对象与对象之间关系的...

【导读】近日，数据挖掘领域最具影响力的学术会议之一的ACM SIGKDD （知识发现与数据挖掘会议）已于 8 月 19 日在英国伦敦召开。在这次会议上，来自伊利诺伊大学芝加哥分校（UIC）的Ivan Brugere老师、Google的Bryan Perozzi老师、清华大学的崔鹏、朱文武老师、西蒙弗雷泽大学的PEI JIAN老师以及伊利诺伊大学芝加哥分校的Tanya Berger-Wolf老师分享...

import numpy as npimport randomunnormalized_probs = [] #node idnode = [1,5,3,7,9]snode = sorted(node) # weights for nodesa=[2,2,2,2,2]norm_const = sum(a)normalized_probs = [float(u_prob)/nor...

一，karate--deepwalk.embedding# -- coding: utf-8import pandas as pdimport matplotlib.pyplot as pltimport numpy as npdf=pd.read_csv(r"C:\Users\WBL\Desktop\DeepWalk\karate--deepwalk.embedding.csv")...

# -- coding: utf-8import pandas as pdimport matplotlib.pyplot as pltimport numpy as npdf=pd.read_csv(r"C:\Users\WBL\Desktop
ode2vec-master\karate--node2vec.embeddings.csv") # r为转义字符# print(df....

一、散点图引入 什么是散点图？ 反映两组变量每个数据点的值，并且从散点图可以看出它们之间的相关性。单看概念可能不太好理解，我们可以从一个例子说起。下面我们通过例子边学边做。 在做散点图之前，最重要的是我们得有数据啊，数据很重要。这里我们利用关于karate--deepwalk.embeddings的数据，假设存储在目录C:\Users\WBL\Desktop\DeepWalk\karate-...

1.python __main__.py --input C:\Users\WBL\Desktop\DeepWalk\deepwalk-master\example_graphs/karate.adjlist --number-walks 40 --representation-size 2 --walk-length 40 --window-size 10 --output C:\Users\W...

Zachary’s karate club一个大学空手道俱乐部的社交关系图, 很多论文中都喜欢用它做例子. 这个图比较简单, 有34个节点, 78条边.youtube 2数据集介绍见[2]. node有两种, personperson 与 groupgroup, edge 也有两种, friend⊆(person×person)friend⊆(person×person), mem...

大致了解一下DeepWalk讲到DeepWalk，不得不说的Word2Vec CBOW模型 CBOW模型的理解 CBOW模型流程举例 Skip-Gram模型 模型 假任务 模型细节 隐层 输出层 直觉 下一步 一些常用的trick 词组 降采样常用词 采样率 Negative Sampling ...