- 博客(5)
- 收藏
- 关注
原创 基于图神经网络的节点表征学习
引言 在图节点预测或边预测任务中,需要先构造节点表征(representation),节点表征是图节点预测和边预测任务成功的关键。在此篇文章中,我们将学习如何基于图神经网络学习节点表征。 在节点预测任务中,我们拥有一个图,图上有很多节点,部分节点的预测标签已知,部分节点的预测标签未知。我们的任务是根据节点的属性(可以是类别型、也可以是数值型)、边的信息、边的属性(如果有的话)、已知的节点预测标签,对未知标签的节点做预测。 我们将以Cora数据集为例子进行说明,Cora是一个论文引用网络,节点代表论文,如果两
2021-06-20 21:32:48
317
原创 消息传递图神经网络
一、引言 我们将学习基于神 经网络的生成节点表征的范式——消息传递范式。消息传递范式是一种聚 合邻接节点信息来更新中心节点信息的范式,它将卷积算子推广到了不规 则数据领域,实现了图与神经网络的连接。此范式包含三个步骤:(1)邻接 节点信息变换、(2)邻接节点信息聚合到中心节点、(3)聚合信息变换。 Pytorch Geometric中的MessagePassing基类 Pytorch Geometric(PyG)提供了MessagePassing基类,它实现了消息传 播的自动处理,继承该基类可使我们方便地构
2021-06-20 21:16:03
483
原创 怎么样做一名合格的程序猿
一、学习能力 作为编程人员或IT人员,可以学习的技术太多,新的技能和模型技术层出不穷、日新月异。每年的新paper看都看不过来,主要的学习能力在于判断哪些可以晚点学、哪些可以在工作中慢慢学、哪些不需要学,把主要的精力和时间花在任务主线上。 二、打基础能力 正因为知识和信息迭代过快,才更需要打基础,看似矛盾,实际情况是,需要有能力找出在五年、十年后仍然有用的知识和技能,使自己在有限时间和精力下始终保持在技术前沿。对于那些每年更新的技术,投入较少的精力。相反地,一些理论知识、能够有效提升效率的支持工具等应该投入
2021-06-17 17:45:03
111
原创 2021-06-15
图结构数据 图的表示 定义⼀(图): ⼀个图被记为G={v,e} ,其中 是数量为N=|v| 的节点的集合,e={e1,e2,em}是数量为M的边的集合。 图⽤节点表示实体(entities ),⽤边表示实体间的关系(relations)。 节点和边的信息可以是类别型的(categorical),类别型数据的取值只能是哪⼀类别。⼀般称类别型的信息为 标签(label)。 节点和边的信息可以是数值型的(numeric),数值型数据的取值范围为实数。⼀般称数值型的信息为属性 (attribute)。 在图的计算
2021-06-15 17:21:33
162
原创 逻辑回归到底抽样还是不抽样
正常情况下,在使用逻辑回归建模时,都需要对好坏样本分层抽样,至少抽到好坏比达到1:10到1:1,比较理想,但很多时候坏样本比较少,数据不平衡,一样要把好样本抽到和坏样本一样少,似乎没有意义。但如不抽会不会影响模型?以下代码使用SAS工具在正态分布随机数据上建立逻辑回归。 /通过修改原文代码,尝试不同好坏比的数据得到结论: 1.截距越小数据越平衡 2.在X是正态分布的情况下,即使数据不平衡,抽样再...
2019-12-18 08:48:03
1084
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人