Catigeart|猫心虎的博客

Author: CatigeartGitHub: https://github.com/Catigeart?tab=repositoriesGCN 图卷积网络原理：类比傅里叶变换，每个图节点有不同强度的信号，对其进行图傅里叶变换分解，并分析其相邻节点信号平滑度，通过信号的流动实现周边信息的传递。拉普拉斯矩阵L=D−AL=D-AL=D−A，其中DDD是一个对角矩阵，DiiD_{ii}Dii​表示节点vi{v_i}vi​的度，A是邻接矩阵。LLL是一个反映图信号平滑度的算子；LsymL_{sym.

Author: CatigeartGitHub: https://github.com/Catigeart?tab=repositories1 机器学习基本概念机器学习分类：根据训练数据是否有标签：监督学习、半监督学习、无监督学习监督学习根据算法输出的形式划分：分类问题和回归问题机器学习流程：特征工程建立模型确定损失函数和进行优化求解：过拟合和欠拟合常见损失函数平方损失函数（回归问题）：L(y,f(x;θ))=1N∑i=1N(yi−f(xi;θ))2L(y,.

1 绪论基本术语数据集、样本、属性、特征、属性值、树形控件、样本空间、特征向量、维数、训练、训练数据、训练样本、训练集、标签、样例监督学习：分类、回归无监督学习：聚类归纳偏好与没有免费的午餐定理：总误差与学习算法无关，因此谈论学习算法的优劣必须针对具体的学习问题，学习算法自身的归纳偏好要和问题相配2 模型评估和选择训练集、测试集、验证集精度 = 1-错误率训练误差、泛化误差、过拟合、欠拟合、测试集、测试误差留出法、k折交叉验证法调参、性能度量——性能度量的指标查准率=正/预测正