用于图形机器学习的python库
stellargraph的Python项目详细描述
星图机器学习库
目录
- 简介
- 指导原则
- 入门
- 安装
- 使用pip安装星图
- 从github source安装starlargraph rel="nofollow">从github source安装starlargraph
- docker图像
- 运行示例
- 使用docker运行示例
- 算法
- 获取帮助
- 语篇社区
- ci
- 引用
- 参考资料
简介
starlargraph是一个python库，用于对图形结构（或等价于网络结构）数据进行机器学习。
图结构数据表示实体，例如人，作为节点（或等价的顶点）。 以及实体之间的关系，例如友谊，作为联系（或 相当于边缘）。节点和链接可能具有相关属性，如年龄、收入和时间 建立了友谊，等等。星图支持分析同质网络（具有一种类型的节点和链路）和异质网络（具有多种类型的节点和/或链路）。
星图库实现了几种最先进的算法，用于应用机器学习方法来发现模式并使用图结构数据回答问题。
星图库可用于使用图形结构数据解决任务，例如：
- 节点和边的表示学习，用于可视化和各种下游机器学习任务；
- 节点或边的分类和属性推断；
- 链路预测；
- 通过计算选定节点的边和邻域重要性来解释节点分类[7]。
我们提供了使用多个真实数据集解决此类任务的示例。
指导原则
Stellargraph使用keras库并遵循相同的指导原则 如keras：用户友好，模块化，易于扩展。模块和层 星图库的设计使它们可以与 标准路缘石层和模块（如需要）。这使得使用现有的 或者为图形上的机器学习创建新的模型和工作流。
开始
要开始使用恒星图，您将需要构造为同质或异质图的数据，包括 表示为图形节点的实体的属性。 networkx用于表示图形，pandas 或者使用numpy存储节点属性。
详细叙述/master/demos/" rel="nofollow">此存储库的demos目录中提供了各种网络数据机器学习工作流的示例，这些工作流由Stellargraph支持，从数据摄取到图形结构到推理。
安装
Stellargraph是一个Python3库，我们建议使用Python版本3.6.*。所需的python版本
可从python.org下载和安装。或者，使用蟒蛇
环境，可从anaconda.com获取。
注意：虽然库在python 3.7上工作，但它是基于keras的，而keras并不正式支持python3.7。 因此，可能会有一些未被发现的bug，而来自python库的许多警告 星图取决于。
星图库可以通过以下两种方式之一安装，如下所述。
使用pip安装星图：
要使用pip>从pypi安装Stellargraph库，请执行以下命令：
pip install stellargraph
demos目录中的一些示例需要安装额外的依赖项以及stellargraph。要使用pip安装这些依赖项和星图，请执行以下命令：
pip install stellargraph[demos]
从github源安装星图：
首先，使用git克隆星图存储库
git clone https://github.com/stellargraph/stellargraph.git
然后，cd到starlargraph文件夹，并通过执行以下命令安装库：
cd stellargraph
pip install .
demos目录中的一些示例需要安装额外的依赖项以及stellargraph。要使用pip安装这些依赖项和星图，请执行以下命令：
pip install .[demos]
Docker图像
- 星图/星图：安装了星图的Docker图像。
图像可以通过 有关示例和如何运行示例的详细信息，请参见 星图库目前包括以下图形机器学习算法： 图表[1] hinsage 图形注意网络（gat）[4] 图卷积网络（gcn）[5] 简化图卷积网络（sgc）[6] 节点2vec[2] 元路径2vec[3] 欢迎在星图论坛上提问和讨论问题。
管道在 星图由csiro的data61设计、开发和支持。
如果您在研究中使用此库的任何部分，请使用以下bibtex条目引用它 大型图的归纳表示学习。W.L.Hamilton、R.Ying和J.Leskovec。
神经信息处理系统（NIPS），2017年。（链接网页） node2vec：可扩展的网络特征学习。A.格罗弗，J.莱斯科维奇。ACM SIGKDD国际知识发现和数据挖掘会议（KDD），2016年。（链接） metapath2vec：异构网络的可扩展表示学习。余晓东，尼提什诉查拉，阿南特拉姆斯瓦米。
ACM SIGKDD知识发现和数据挖掘国际会议（KDD），135–144，2017
（链接） 绘制注意网络图。P.Velickovic等人
2018年国际学习代表大会（ICLR）（链接） 图卷积网络（gcn）：利用图卷积网络的半监督分类。托马斯·基普夫，麦克斯·韦林。
国际学习代表大会（ICLR），2017年
（链接 图卷积网络的简化。吴先生，张先生，苏扎先生，50岁左右，于先生，温伯格先生。
机器学习国际会议（ICML），2019年。（链接） 图表数据上的对抗性例子：深入了解攻击和防御。吴先生，王先生，丁世基先生，多克蒂先生，陆先生，朱先生。IJCAI 2019。（链接） 欢迎加入QQ群-->： 979659372
Docker Pull Stellargraph/Stellargraph拉取
运行示例
demos目录中的自述文件。算法
获取帮助
话语共同体
Ci
buildkite集成
.buildkite/pipeline.yml中定义
Docker图像
引用
@misc{StellarGraph,
author = {CSIRO's Data61},
title = {StellarGraph Machine Learning Library},
year = {2018},
publisher = {GitHub},
journal = {GitHub Repository},
howpublished = {\url{https://github.com/stellargraph/stellargraph}},
}
参考文献
推荐PyPI第三方库
