yukai08008的博客

说明先看一下结果的样子（部分）。最终，思维结构的复杂性需要交给图解决，而建模过程显然是复杂的。业界对于建模这个比较复杂的业务一直在进行自动化的探索，虽然目前没有一个最终结果，但我相信建模过程在某天是可以标准化的。以下是我的一些总结，以图的方式思考组织。内容我觉得从大的方面看，几个大的流程是没什么争议的：1 获取数据2 数据预处理3 特征构造4 模型构建5 分析迭代（根据应用的反馈）模式方面则有两种：A: 训练 Train ,从原始数据获取经验B: 测试 Test，利用经

说明基本上完成了V1版本的基本部分，可以开始编辑图了。基于excel可以将图存到neo4j，然后再从neo4j查询子图的方式重新生成df。内容1 先将当前的样例清除掉the_cypher1 = fs.neo4j_del_link_by_label_template('QCCData')the_cypher2 = fs.neo4j_del_node_by_label_template('QCCData')lneo4j.exe_cypher(the_cypher1)lneo4j.exe_cyp

说明形而上者谓之道，形而下者谓之器。通过FuncDict，我发现代码的集成度高了很多，而且似乎没什么bug，大概是在层层封装的过程中的每一层都比较简单，而且不用去考虑自定义函数文件在哪里，的确很方便。但是要管理好逻辑层面、知识层面设计层面的复杂性，还是需要图系统。图系统就像道，负责抽象的，结构的内容；任务系统（包含FuncDict)负责形而下，具体的运行。内容在开篇的时候有一些基本的设计这里会考虑：1 子图和连接点。这词实践只考虑子图。2 fork是基于子图复制的，所以一个子图应该是一个

说明我认为图系统的作用是帮助我们管理复杂的结构，并且是立体的。想象这样一个场景：1 地上长出了一颗果树，果树可以结很多果子2 果树依靠树干将养分传递到每一片叶子、花和果子3 树干下面是庞大的根系，吸收水分和养料果子是我们希望得到的东西，这里谈到的立体网络很类似根系（一个横向和纵向都发展的体系）。我希望通过这样一个网络来支撑任何复杂的活动。这个结构我探索蛮久了，但这次姑且称为V1吧，主要是感觉这次应该能到实际可用的程度。内容1 用途这个图系统可以用来做什么？首先，它可以构建一个足够庞大