cs224w（图机器学习）2021冬季课程学习笔记6 Message Passing and Node Classification
本章主要内容：我们的任务是：已知图中一部分节点的标签，用图中节点之间的关系来将标签分配到所有节点上。属于半监督学习任务。本节课我们学习message passing方法来完成这一任务。对某一节点的标签进行预测，需要其本身特征、邻居的标签和特征。message passing的假设是图中相似的节点之间会存在链接，也就是相邻节点有标签相同的倾向。这种现象可以用homophily（相似节点倾向于聚集）....
cs224w（图机器学习）2021冬季课程学习笔记5 Colab 1：Node Embeddings
本colab以无向图 Karate Club Network1 （有34个节点，78条边）为例，探索该数据集的相关统计量，并将从NetworkX下载的数据集转换为PyTorch的Tensor格式，用边连接作为节点相似性度量指标实现shallow encoder（以 nn.Embedding 为embedding-lookup）的节点嵌入代码。节点嵌入训练概览：用图中原本的边作为正值，从不存在的边....
cs224w（图机器学习）2021冬季课程学习笔记4 Link Analysis: PageRank (Graph as Matrix)
1. Graph as Matrix本节课研究矩阵角度的图分析和学习。这里的矩阵就是指邻接矩阵。将图视为矩阵形式，可以通过随机游走的方式定义节点重要性（即PageRank），通过矩阵分解matrix factorization (MF)来获取节点嵌入，将其他节点嵌入（如node2vec）也视作MF。2. PageRank / the Google AlgorithmPageRank是谷歌搜索用的....
cs224w（图机器学习）2021冬季课程学习笔记3: Node Embeddings
1. 章节前言图表示学习graph representation learning：学习到图数据用于机器学习的、与下游任务无关的特征，我们希望这个向量能够抓住数据的结构信息。这个数据被称作特征表示feature representation或嵌入embedding。Why embedding?任务：将节点映射到embedding spaceembedding的相似性可以反映原节点在网络中的相似性....
cs224w（图机器学习）2021冬季课程学习笔记2: Traditional Methods for ML on Graphs
1. 章节前言传统机器学习pipeline：设计并获取所有训练数据上节点/边/图的特征→训练机器学习模型→应用模型图数据本身就会有特征，但是我们还想获得说明其在网络中的位置、其局部网络结构local network structure之类的特征（这些额外的特征描述了网络的拓扑结构，能使预测更加准确）所以最终一共有两种特征：数据的structural feature，以及其本身的attribute....
cs224w（图机器学习）2021冬季课程学习笔记1 Introduction； Machine Learning for Graphs
1. 课程建议先修知识点机器学习1算法和图论概率论与数理统计2. Why Graphs图机器学习中的常用工具：NetworkX, PyTorch Geometric, DeepSNAP, GraphGym, SNAP.PY选择图的原因：图是用于描述并分析有关联/互动的实体的一种普适语言。它不将实体视为一系列孤立的点，而认为其互相之间有关系。它是一种很好的描述领域知识的方式。网络与图的分类netw....
机器学习【西瓜书/南瓜书】--- 第2章模型评估与选择（下）（学习笔记+公式推导）
前言本博客为博主在学习 机器学习【西瓜书/南瓜书】过程中的学习笔记，每一章都是对《西瓜书》、《南瓜书》内容的总结和提炼笔记，博客可以作为各位读者的辅助思考，也可以做为读者快读书籍的博文，本博客对西瓜书所涉及公式进行详细的推理以及讲解，本人认为，不推导公式所学得的知识是没有深度的，是很容易忘记的，有些公式推导起来并不复杂，只是被看似复杂的数学表达式所“吓唬”，希望大家拿上纸笔，跟着博主一起学习，一....
机器学习【西瓜书/南瓜书】--- 第1章绪论（学习笔记+公式推导）
前言本博客为博主在学习 机器学习【西瓜书 / 南瓜书】过程中的学习笔记，每一章都是对《西瓜书》、《南瓜书》内容的总结和提炼笔记，博客可以作为各位读者的辅助思考，也可以做为读者快读书籍的博文，本博客对西瓜书所涉及公式进行详细的推理以及讲解，本人认为，不推导公式所学得的知识是没有深度的，是很容易忘记的，有些公式推导起来并不复杂，只是被看似复杂的数学表达式所“吓唬”，希望大家拿上纸....
【学习笔记】机器学习线性代数笔记（更新ing）
《Matrix Methods in Data Mining and Pattern Recognition》即在数据挖掘和模式识别中的矩阵论，分为三大模块：线代概念和矩阵分解、数据挖掘中的线代问题、计算矩阵分解（特征值和奇异值算法）。综合本书偏向应用，书中代码用matlab实现（当然也可以改用python写），课后练习题链接（https://archive.siam.org/books/fa0....
GPU 机器学习开箱使用|学习笔记
开发者学堂课程【Serverless 容器从入门到精通: Serverless Kubernetes：GPU 机器学习开箱使用】学习笔记，与课程紧密联系，让用户快速学习知识。课程地址：https://developer.aliyun.com/learning/course/646/detail/10732GPU 机器学习开箱使用内容简介一、 ECI GPU 介绍二、 ECI GPU 实现三、 E....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
人工智能平台 PAI更多学习笔记相关
人工智能平台 PAI您可能感兴趣
- 人工智能平台 PAI ecs
- 人工智能平台 PAI配置
- 人工智能平台 PAI项目
- 人工智能平台 PAI训练
- 人工智能平台 PAI近邻
- 人工智能平台 PAI算法
- 人工智能平台 PAI模型
- 人工智能平台 PAI编码
- 人工智能平台 PAI方法
- 人工智能平台 PAI入门
- 人工智能平台 PAI pai
- 人工智能平台 PAI机器学习
- 人工智能平台 PAI python
- 人工智能平台 PAI应用
- 人工智能平台 PAI数据
- 人工智能平台 PAI人工智能
- 人工智能平台 PAI平台
- 人工智能平台 PAI实战
- 人工智能平台 PAI构建
- 人工智能平台 PAI ai
- 人工智能平台 PAI优化
- 人工智能平台 PAI实践
- 人工智能平台 PAI深度学习
- 人工智能平台 PAI部署
- 人工智能平台 PAI特征
- 人工智能平台 PAI阿里云
- 人工智能平台 PAI分类
- 人工智能平台 PAI代码
- 人工智能平台 PAI学习
- 人工智能平台 PAI技术
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注