数据挖掘之图挖掘

1. 图挖掘
   传统的数据挖掘任务，比如关联规则挖掘、市场购物篮分析和聚类分析等，都是试图从一个具有单一关系的独立实例集中寻找模式
   许多真实数据集描述的都是通过多种关系连接在一起的各种实体类型，应当小心妥善处理由于样本之间连接而导致的潜在关系，事实上，记录联动应该是可以利用的信息，显然，这些信息可以用来提高学习模型的预测准确度，：连接对象的属性往往是相关的，并且拥有共同点的对象之间往往有连接存在，作为一种通用的数据结构，图可以满足建模数据间的复杂关系的要求
   2.基于图的数据挖掘代表了一个技术集合，这些技术用来挖掘基于图形表示的数据的相关信息，他的任务是在数据的图形表示中寻找新颖有用且便于理解的图论模式
   3.只有节点而没有边的图称为空图（或零图），只有一个节点的图称为平凡图，如果两个节点ni和nj之间有边相连接，则称二者是相邻的
2. 如果一个图的节点是图G节点的子集，并且节点对之间有与图G相同的边，则称该图是图G的导出子图
3. 图数据挖掘算法中，最简单的核心方法是度用来衡量图中节点重要性的核心指标和方法，它是指一个给定节点拥有边的数量，在某种意义上，度是用来衡量图中节点的“人气方法”，节点度数越高，就越核心，另一个核心方法类是中介性，中介性用来衡量一个点在其他顶点之间的路径上出现的次数，最简单、应用最广泛的中介性方法是最短路径中介性
4. 确定边中介性值的过程通常分为两个步骤：A: 计算通过该边的图中所有节点对之间最短路径的长度和数量 B: 对所有的链接依赖求和
5. 时态数据挖掘
   时间是数据的一个基本属性，时态数据挖掘关注的是大顺序数据集的挖掘，这里顺序数据指的是按照某个指标标排过序的数据 <