Machine Learning in Complex Networks读书笔记

第1章 简介

1.1 大背景

（1）机器学习基本概念：监督学习，非监督学习，分类，回归，半监督学习。
（2）复杂网络的发展历史：

a. 1736年，欧拉在解决哥尼斯堡七桥问题时，奠定了图论基础。
b.1959年，Paul Erdos和Alfred Reyni提出了random networks。
c.1967年，Stanley Milgram发现了“六度分离”的概念，成为了小世界网络的研究的种子。
d.1998年，Watts和Strogatz发现改变常规网络中的几条链路，可以大大减少网络中的最短平均距离。由此产生的网络称为小世界网络。
e.1999年，Barabasi和Albert发现，许多现实世界网络的节点的度分布遵从幂律分布：P(k)~k^(-γ），其中k是随机选择的顶点的连接数，γ是标度的指数。这种异质分布描述了存在少量具有大量连接的顶点，而大多数只共享很少的连接的网络，这样的网络称为无标度网络（scale-free network）。

（3）复杂网络数据表示的特点：结构复杂性，进化， 连接的多样性，动态性质。

1.2 本书的关注点