8、高级网络用例与实用Python库介绍

高级网络用例与实用Python库介绍

1. 高级网络用例

在思考网络分析时，会想到一些潜在的高级用例，如：
- 图机器学习（Graph ML）
- 知识图谱（Knowledge graphs）
- 推荐系统（Recommendation systems）

不过，这些用例并非绝对的高级，只是实现方式与其他有所不同。技术上更具挑战性并不意味着更高级或更重要，如果难度大但结果实用性低，那就是在浪费时间。

图机器学习

图机器学习有两种主要方法：
- 将图的度量（如中心性、局部聚类系数等）作为训练数据的特征。
- 直接将图的表示数据输入到机器学习算法中，让其自行学习。

图的元数据可以为训练数据提供强大的补充，为模型提供额外的视角，很有前景。但过去发现，人们直接在机器学习中使用图数据时，往往图的知识不足或薄弱。建议在分别熟练掌握网络分析和机器学习后再尝试这种方法，因为在机器学习中，输入数据和模型本身同样重要，领域知识在数据科学中很关键。

推荐系统

推荐系统基于“如果两个人喜欢相似的东西，他们可能也会喜欢彼此尚未共同喜欢的其他东西”的概念。例如，你和我都喜欢Soundgarden、Smashing Pumpkins和Nirvana乐队，我喜欢The Breeders，你喜欢Stone Temple Pilots，那么很可能我也会喜欢Stone Temple Pilots，你也会喜欢The Breeders。

不过，推荐系统也有