33. BI - Graph Embedding 回顾以及 GCN 算法介绍

本文为 「茶桁的 AI 秘籍 - BI 篇 第 33 篇」

Hi，你好。我是茶桁。

咱们终于进入核心 BI 课程的最后一部分内容了，之前咱们的重心一直都是在特征选取上，如何获得更好的特征是重中之重，但是并不代表机器学习就不重要。所以这最后一部分，理所当然的，咱们来谈谈强化学习。

除此之外呢，咱们还会讲讲关于图的部分，就是 GCN。虽然大模型 LLM 最近一年十分火爆，但是其实很多时候，我们还是需要从底层去理解 AI 的内容，那 GCN 就是绕不过过去的内容。也就是在前两年，2021 年左右，GCN 是非常火热的技术。所以我们需要对它的原理和工具有一些了解，这个就是属于深度学习的相关内容了。

「GCN」，这里的 G 就是 Graph，CN 基本上就是 CNN 差不多，是卷积神经网络。其实从名字上分析，我们知道它应该是「图卷积神经网络」。

图卷积神经网络是在图的基础上做了特征的提取，这个特征提取能力对于图的特征提取来说是非常强大的一个武器，把特征提取完以后就可以用于后续的分类任务。

回顾 Graph Embedding

GCN 在推荐系统里应用的比较多，强化学习也是重要的一个研究方向。

还是以美国大学生足球队为例，之前的很多课程都是用的这个数据，大家应该都看过很多次了，没看过之前课程的同学也没关系，咱们再来稍微介绍一下。

数据文件是 football.gml， 这是一个图数据，gml 文件，一共包括