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)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