15年做那些网站致富,做哪些网站流量最大,荔枝视频在线观看免费最新,wordpress评论啦图#xff1a;描述关系数据的通用语言#xff0c;起源于哥尼斯堡七桥问题 传统的机器学习#xff1a;数据样本之间独立同分布#xff0c;简单拟合数据边界#xff0c;在传统的机器学习中#xff0c;每个数据样本彼此无关。传统的神经网络#xff0c;只能处理简单的表格、…图描述关系数据的通用语言起源于哥尼斯堡七桥问题 传统的机器学习数据样本之间独立同分布简单拟合数据边界在传统的机器学习中每个数据样本彼此无关。传统的神经网络只能处理简单的表格、序列数据不能处理带关联的数据。而图自带关联的数据。
图机器学习 (GML) 核心是将机器学习应用于图专门用于预测和规范任务。 如何让神经网络处理图数据
1.兼容任意尺寸的输入
2.没有固定的输入顺序和参考锚点
3.图动态变化多模态特征音乐推荐 图神经网络
图神经网络的输入是一个图输出则可以多种多样的输出分类标签、新的连接、新的图或子图等数据。
这种方法不但能学到每个数据节点之间的关联信息还能进行端到端的表示学习Representation Learning甚至不需要人工进行特征工程 输入图-黑箱处理后续会详细将这个过程-输出结果
一个关键的步骤图嵌入将节点变成低维向量然后就可以使用传统的机器学习 图机器学习应用
节点层面
由已知的节点类别推断出未知的节点类别 连接层面
推荐系统药物的联合副作用
二分图二分图又称为二部图如果一个点集可以被分成两个部分所有的边都在这两个部分之间而每个集合内部没有边则称这个图是一个二分图。 图层面
抗生素粒子的模拟预测蛋白质的空间结构AlphaFold 图数据挖掘的工具
图神经网络建模工具
PyG (PyTorch Geometric)
PyGPyTorch Geometric是一个在PyTorch基础上开发的库主要用于构建和训练图神经网络GNN可以应用于多种与结构化数据相关的场景。PyG具有易用和统一的API接口让用户 10 至 20 行代码就可以训练自己的GNN模型不需要知道太多底层机制的实现和调试。PyG库包含了许多目前最先进的GNN架构和训练方法并且可以方便地进行扩展和定制以满足不同的需求和应用场景适合各种需要使用GNN的研究人员和开发者。
2. DGL
DGLDeep Graph Library是一个用于开发图神经网络GNN的框架可以帮助用户在大规模图数据上进行深度学习。DGL提供了一组Python API使得用户可以轻松地构建、训练和评估GNN模型。该框架支持各种类型的图包括有向图、无向图和多重图等可以在图中进行节点分类、边分类、图分类和链接预测等任务。同时DGL还支持多种GNN模型包括图卷积网络GCN、图注意力网络GAT、图注意力池化网络GAP等以满足不同任务的需求。DGL还支持大规模分布式计算可以在多个GPU和多个机器上进行模型训练以加快训练速度。由于其强大的功能和易用性DGL被广泛应用于各种领域如社交网络分析、推荐系统、生物信息学等。 图可视化工具
3. NetworkX
NetworkX是一个Python库用于创建、操作和研究复杂网络如社交网络、物理网络、生物网络和交通网络等。该库提供了一组工具和算法可以帮助用户构建各种类型的网络包括无向图、有向图、加权图、多重图等。同时NetworkX还支持大量的网络分析算法如中心性分析、连通性分析、路径分析、聚类分析、布局算法等可以帮助用户理解和探索网络的结构和特性。NetworkX还提供了可视化工具可以方便地将网络可视化帮助用户更好地理解和展示网络数据。由于其强大的功能和易用性NetworkX被广泛应用于各个领域如社交网络分析、生物信息学、物理学、交通规划等。
4. AntV
AntV是蚂蚁集团提供的数据可视化解决方案其中的G6引擎是专门用来做图可视化工作的图可视化引擎。 图数据库
5. Neo4j
Neo4j是当下最热门的图数据库管理系统采用了图形结构来存储和处理数据。与关系型数据库如MySQL不同图数据库将数据表示为节点和边的图形结构而不是表中的行和列。这使得Neo4j可以轻松地处理复杂的关系和连接并提供高性能的查询和可扩展性。
