01-introduction 图机器学习介绍

  • Networks: Networks are a general language for describing complex systems of interacting entities. 网络(关系图)是描述交互实体复杂系统的通用语言
  • Networks/Graph 的两种类型:1) Networks(Natural Graphs 自然网络):如 社会,基因或蛋白质的交互 2) Information Graph(信息图):信息/知识是经过组织和链接的;(scene graphs)实体在特定场景下的关联;(similarity networks)相似性的连接
  • 构建网络前(或对实体进行建模前),需要了解清楚实体间的关系
  • 我们如何利用关联结构去做更好的预测?——通过对实体关系的准确建模
  • 分析网络的方式:节点分类,链接关系预测,社区发现,网络相似度检测

本课程的两个重要主题:

1. 网络结构是如何影响系统的稳健性的

2. 开发量化工具用于评估网络结构与网络动态演化的交互,以及他们对故障的影响(这里不确定是否理解合适,原文是their impact on failures)

此外,会学习到现实中故障的发生往往伴随可复现的规则,从而用于量化甚至是预测

应用:

1. 社交网络

社交圈发现(检测/挖掘)

2. 工业

停电故障检测与预测

3. 知识

知识图谱,混合图谱,多模图谱

1)知识图谱,2)链路预测(内容推荐也是链路预测的一种),3)节点嵌入(embedding nodes, 类似于词嵌入,将节点用n维向量表示,且该向量是可用于计算,若节点间的邻居比较相似,则该两节点的距离较近)

4. 在线媒体:

1) 例如Tweet的转发网络(极化与非极化,群体极化?)

2) 信息误报(misinformation):例如检测维基百科的文章是否是骗局?真实文章间的链接往往比较连贯,而欺诈性文章的链接结构是真实的不一致,论文中显示使用network检测文章是否真实的准确率在0.86(高于人类0.66)https://cs.stanford.edu/people/jure/pubs/hoax-www16.pdf

3)预测扩散性(predicting virality):如社交网络中的信息级联

4)产品采用(product adoption): 如用户邀请另一用户注册某应用

5.生物制药:

如 蛋白质间的交互网络

1)副作用:复合用药的副作用预测? 例如,老年人因为身患多种疾病,因此会服用多类药物,给定两类药物,预测其同时服用所产生的副作用。首先,构建一个多类混合的网络,共两类节点:药,以及蛋白。共3类链路关系:蛋白间的交互,药和蛋白间的交互,药和药间的关系 分为两种:肠胃出血副作用,心跳过慢副作用。

结果显示,使用网络分析中链路预测的方法,准确率比使用张量因子分解,多关心因子分解和浅层网络embedding的效果要好

课程内容安排:

来自为知笔记(Wiz)

原文地址:https://www.cnblogs.com/combfish/p/12271455.html

时间: 2024-10-31 11:03:00

01-introduction 图机器学习介绍的相关文章

01——Introduction to Android介绍

Introduction to Android Android provides a rich application framework that allows you to build innovative apps and games for mobile devices in a Java language environment. The documents listed in the left navigation provide details about how to build

01_机器学习介绍

01 机器学习介绍 人工智能的发展 人工智能 - 机器学习 - 深度学习 机器学习的用途 图像识别 CV 无人驾驶 医疗 - 识别CT图细微区别 图片艺术化 iphone 人脸识别 自然语言处理 NLP 新闻自动生成机器人 传统预测 信贷.销量预测 机器学习库和框架 Scikit-learn Pytorch Tensorflow 学习书籍推荐 统计学习方法 (不建议直接读) 2.编程实战类 (课程结束后,重点关注案例) 学习目标 机器学习各种算法原理 算法的使用 算法库和框架 什么是机器学习?

Stanford公开课机器学习---1.Intrduction 机器学习介绍

文章是下面这个公开课的个人笔记,推荐的笔记里记的比较全,完全依据视频课程(有少量小错误),我的笔记依据课程按自己的理解记录一些重点,方便快速回顾.另外自己开始学这门课时搜到的好的资料,推荐给大家: |- Coursera上斯坦福大学Andrew Ng教授的"机器学习公开课" |-- 类 别:适合入门 |-- 网页地址: https://www.coursera.org/learn/machine-learning/outline |-- 学习笔记:推荐 @小小人_V 同学这门课程的学习

最通俗的机器学习介绍

最通俗的机器学习介绍 https://zhuanlan.zhihu.com/p/43612979 摘要:在本文中,我将描述数据分析是如何与机器学习相关的,还将揭开机器学习中的一些荒唐和错误的说法,并解释机器学习的过程和类型. 如果你不是一个人工智能专家,不要担心,我不会提及线性回归和k-均值聚类. 数据分析和机器学习 如果你认为大数据仅仅是关于SQL语句查询和海量的数据的话,那么别人也会理解你的,但是大数据真正的目的是通过对数据的推断,从数据中获取价值.从数据中发现有用的东西.例如,"如果我降低

01编程语言与Python介绍(全为重点)

01编程语言与Python介绍(全为重点) 1.编程语言分类 1.1 机器语言 直接用二进制指令去编写程序(例:01010101) 执行效率:计算机无障碍理解,直接运行,执行效率最高. 开发效率:复杂,开发效率最低. 跨平台性:贴近.依赖具体的硬件,跨平台性差. 1.2 汇编语言 用英文标签取代二进制指令去执行,英文标签后面代指的是二进制指令.(拓展:操作系统是用汇编语言写的.) 执行效率:执行效率比较高 开发效率:任然是直接操作硬件,开发效率低. 跨平台性:同样依赖具体的硬件,跨平台性差. 1

基于 Python 和 Scikit-Learn 的机器学习介绍

Reference:http://mp.weixin.qq.com/s?src=3&timestamp=1474985436&ver=1&signature=at24GKibwNNoE9VsETitURyMHzXYeytp1MoUyAFx-2WOZTdPelAdJBv9nkMPyczdr4riYdUZWOaUInIFOxWELVDugvJJxpeEgp5KWDFFtwR8VYalYfPvdWdrmi*Qoq9shyPnROU3Tch32ieV9V8clw== 现在,很多人想开发高效

01.ZooKeeper安装和介绍

1.ZooKeeper安装和启动 1.下载解压ZooKeeper ZooKeeper官方地址:http://zookeeper.apache.org/ 下载当前稳定版本:zookeeper-3.4.6.tar.gz 解压如下: [[email protected] ZooKeeper]$ tar -zxvf zookeeper-3.4.6 ...... [[email protected] ZooKeeper]$ ll total 17292 drwxr-xr-x. 10 lizhiwei li

德国精品软件 看图软件介绍 Ashampoo® Photo Commander 12

介绍一个可以和ACD See 媲美的软件.来自美丽的德国. 以下为官方介绍: 强大的图片管理让一切变得简单 喜欢拍照吗?您上次度假.婚礼 - 那些饱含着珍贵记忆的照片让我们的相册不断的飞速增长.以前,我们把照片放在鞋盒里,现在照片都保存在电脑中.但你还清楚上次度假时的照片还保存在哪里吗?你又是否对照片中那小小的瑕疵或是污点感非常讨厌,直接破坏了完美瞬间. Ashampoo Photo Commander 12 超级图片管理工具.高效的在大图中定位浏览,移除烦人的小缺陷.优化色彩和对比度,让照片焕

Titan图数据介绍

Titan是一个基于图的数据库.他同样属于现在比较热火的NoSQL中的一类.使用Titan的基本业务场景就是构建关系图谱.相比于Titan数据库,我们可能更加熟悉Neo4j这个数据库.Neo4j也是一款图数据,切应用范围也相当广泛.在比较过两款数据库后,Titan成为了我们选择.主要有以下几点考量: 1:Titan数据库能够存储的数据节点规模更加庞大 2:在大规模数据量下,Titan的性能不受单机物理性能影响 3:Titan是分布式.高可用,开源且有公司在维护 Titan官网地址:http://