Loading

文章分类 -  机器学习

基于图神经网络的图表征学习方法
摘要：基于图同构网络(GIN)的图表征网络的实现 原理（两个过程）： 计算得到节点表征， 对图上各个节点的表征做图池化，得到图的表征 组件： 图表征模块(GINGraphReprModule)： 对图上每一个节点进行节点嵌入，得到节点表征 对节点表征做图池化，得到图表征 用一层线性变换对图表征转换为对图的 阅读全文
posted @ 2021-07-06 00:08 橘猫非猫gkd 阅读(849) 评论(0) 推荐(0)
超大图上的节点表征学习
摘要：Cluster-GCN方法的原理和优点 原理：利用图节点聚类算法，将一个图的节点划分为多个簇，每一次选择几个簇的节点和这些节点对应边，构成一个子图，然后对子图训练 优点： 提高表征利用率，提高图神经网络的训练效率： 由于是利用图节点聚类算法将节点划分为多个簇，所以簇内边的数量要比簇间边的数量多得多， 阅读全文
posted @ 2021-07-03 21:31 橘猫非猫gkd 阅读(141) 评论(0) 推荐(0)
基于图神经网络的节点表征学习
摘要：引言 将节点的属性（x）、边的端点信息（edge_index）、边的属性（edge_attr，如果有的话）输入到多层图神经网络，经过图神经网络每一层的一次节点间信息传递，图神经网络为节点生成节点表征。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 阅读全文
posted @ 2021-06-22 22:35 橘猫非猫gkd 阅读(513) 评论(0) 推荐(0)
消息传递范式
摘要：消息传递图神经网络 一、经网络流程 为节点生成节点表征（Node Representation）是图计算任务成功的关键 利用神经网络来学习节点表征。 实现图和神经网络的连接的其中一种方式：消息传递范式 二、 消息传递范式获取节点表征的过程 定义：将邻居节点信息传递到中心节点的过程 过程：邻居节点通过 阅读全文
posted @ 2021-06-19 23:28 橘猫非猫gkd 阅读(368) 评论(0) 推荐(0)
GNN（Graph Neural Network 图神经网络）
摘要：GNN - Graph Neural Network 图神经网络 阅读全文
posted @ 2021-06-16 22:18 橘猫非猫gkd 阅读(2218) 评论(0) 推荐(0)
天池——幸福感挖掘
摘要：阿里云天池学习赛 阅读全文
posted @ 2021-05-19 00:13 橘猫非猫gkd 阅读(39) 评论(0) 推荐(0)
stacking学习方法
摘要：stacking是在blending基础上通过k-fold CV更充分利用了数据 阅读全文
posted @ 2021-05-13 22:56 橘猫非猫gkd 阅读(362) 评论(0) 推荐(0)
归一化和标准化
摘要：归一化和标准化的相关概念 阅读全文
posted @ 2021-05-13 11:43 橘猫非猫gkd 阅读(647) 评论(0) 推荐(0)
Blending集成学习算法及决策边界画法
摘要：##算法原理 blending集成学习算法即简化的stacking算法，其具体操作流程为： 将数据划分为训练集和测试集(test_set)，其中训练集需要再次划分为训练集(train_set)和验证集 (val_set)； 创建第一层的多个模型，这些模型可以使同质的也可以是异质的； 使用train_ 阅读全文
posted @ 2021-05-11 23:48 橘猫非猫gkd 阅读(204) 评论(0) 推荐(0)
XGBoost算法和lightGBM算法
摘要：两种常用boosting算法 阅读全文
posted @ 2021-04-26 23:36 橘猫非猫gkd 阅读(604) 评论(0) 推荐(0)
加法模型和向前分步算法
摘要：1. 加法模型 2. 加法模型的推导算法——向前分步算法 阅读全文
posted @ 2021-04-23 23:00 橘猫非猫gkd 阅读(830) 评论(0) 推荐(0)
投票法的原理和案例分析
摘要：转载声明 原文作者：Datawhale学习社区 原文链接：Datawhale学习社区 著作权归作者所有，任何形式的转载都请联系作者。 ###投票法的原理分析 集成学习就是要发挥集体决策的优势，以单个分类模型的分类结果为基础，采用少数服从多数的原则确定模型预测的类别标签。通过多个模型的集成降低方差，从 阅读全文
posted @ 2021-04-21 12:59 橘猫非猫gkd 阅读(711) 评论(0) 推荐(0)
bagging的算法及案例
摘要：转载声明 原文作者：Datawhale学习社区 原文链接：Datawhale学习社区 参考资料： https://www.cnblogs.com/earendil/p/8872001.html https://www.zhihu.com/question/26760839/answer/403377 阅读全文
posted @ 2021-04-21 12:53 橘猫非猫gkd 阅读(735) 评论(0) 推荐(0)
boosting方法
摘要：转载声明 原文作者：Datawhale学习社区 原文链接：Datawhale学习社区 著作权归作者所有，任何形式的转载都请联系作者。 ##1、先行概念 弱学习：识别错误率小于1/2（即准确率仅比随机猜测略高的学习算法） 强学习：识别准确率很高并能在多项式时间内完成的学习算法 ##2、boosting 阅读全文
posted @ 2021-04-21 11:59 橘猫非猫gkd 阅读(320) 评论(0) 推荐(0)