图机器学习笔记

文章介绍了图在数据描述中的重要性,以及图机器学习相对于传统机器学习的优势。提到了图神经网络作为处理图数据的工具,能自动进行端到端的表示学习。此外,文章列举了StanfordCS224W课程的相关内容,包括预备知识、编程工具如PyG和NetworkX,以及图应用如节点重要性和社群检测。
摘要由CSDN通过智能技术生成

斯坦福CS224W图机器学习、图神经网络、知识图谱【同济子豪兄】课程笔记

一、图无处不在

图:描述关联数据的通用语言

传统机器学习:每个样本点独立同分布 图机器学习中各个节点之间相互连接

图的例子:在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

图论问题

起源:哥尼斯堡问题

二、如何对图数据进行数据挖掘

现在的机器学习或者深度学习中并没有专门处理图和连接节点之间的关系的神经网络的方式或者工具现在的深度学习处理的是序列或者表格和矩阵的

图机器学习或者深度学习都要具备的特征:

  1. 必须兼容任意大小尺寸和复杂度的拓扑结构
  2. 没有固定的顺序和锚点
  3. 动态变化的࿰
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值