12、图神经网络的图分类与链接预测

图神经网络的图分类与链接预测

1. 图分类的表达能力与实现

在图分类任务中，我们可以通过结合不同模型的预测结果来提高准确性。以下是具体的操作步骤：
1. 获取模型预测结果并组合
python for data in test_loader: out_gcn = gcn(data.x, data.edge_index, data.batch) out_gin = gin(data.x, data.edge_index, data.batch) out_ens = (out_gcn + out_gin)/2
2. 计算准确率
python acc_gcn += accuracy(out_gcn.argmax(dim=1), data.y) / len(test_loader) acc_gin += accuracy(out_gin.argmax(dim=1), data.y) / len(test_loader) acc_ens += accuracy(out_ens.argmax(dim=1), data.y) / len(test_loader)
3. 打印结果
python print(f'GCN accuracy: {acc_gcn*100:.2f}%') print(f'GIN accuracy: {acc_gin*100:.2f}%') print(f'GCN+GIN accuracy: {acc_ens*100:.2f}%')
在一个示例中