博客小主

Datawhale吃瓜教程学习之（二）线性模型 3.1 基本形式： 线性模型（linear model）试图通过属性的线形组合来进行学习的函数，我们用向量表达式即： f(x)=wTx+b f(x) = w^{T}x + b f(x)=wTx+b (3.0) 其中，${w} = (w_{1};w_{2};,…;w_{d}) $ 线性模型的形式很简洁，而且易于建模。线性模型蕴含着机器学习中一些重要的基本思想.许多功能更为强大的非线性模型可在线性模型的基础上通过引入层次结构或高维映射而得。线性模型还有

在此篇文章中，我们将首先对Cluster-GCN论文中提出的方法做简单概括，接着深入分析超大图上的节点表征学习面临的挑战，最后对Cluster-GCN论文中提出的方法做深入分析。 Cluster-GCN简单概括 为了解决普通的方法无法在超大图上做节点表征学习的问题，Cluster-GCN论文提出： 利用图节点聚类算法将一个图的节点划分为ccc个簇，每一次选择几个组的节点和这些节点对应的边构成一个子图，然后对子图做训练。 由于是利用图节点聚类算法将节点划分为多个簇，所以簇内边的数量要比簇间边的数量多得多。