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](https://i-blog.csdnimg.cn/blog_migrate/4957cc9ef86a080514a8f2b20ee374df.png#pic_center)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/96ab0355e274782b23ed20ce8525e89d.png#pic_center)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/05158ff0116834429e5b4ccfb0c166b6.png#pic_center)
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:
- 必须兼容任意大小尺寸和复杂度的拓扑结构
- 没有固定的顺序和锚点
- 动态变化的