Datawhale开源学习社区 x 同济子豪兄 Stanford课程中文精讲系列笔记

一、回顾

本门课程主线是将图转化为连续稠密的向量，本文及之前的文章均为不讲属性特征，只讲社群连接特征。

如何将节点转化为D维向量

• 人工特征学习：节点重要度，集群系数，...

Datawhale开源学习社区 x 同济子豪兄 Stanford课程中文精讲系列笔记

一、简介与准备

NetworkX用于实现创建，操作和研究复杂网络的结构，动态功能

几个常用链接

• NetworkX 主页<...

Datawhale开源学习社区 x 同济子豪兄 Stanford课程中文精讲系列笔记

一、概述

图是一种常见的数据结构，是节点的集合以及这些节点之间关系的集合。图的强大之处在于关注节点之间的关系以及通用性，比如相同的图结构可以表示社交网络，也可以表示分子内原子的关系。当前语音与图像数据往往呈现一个Euclidean Structur...

Datawhale开源学习社区 x 同济子豪兄 Stanford课程中文精讲系列笔记

一、导读

​ 传统深度学习技术，如循环神经网络和卷积神经网络已经在图像等欧式数据和信号等序列数据上取得巨大的成功。然而，在丰富的自然科学领域，现实世界的许多重要的对象和问题可以自然的或最优的用复杂的图结构来表达，如·社交网络、推荐系统、...

0.前置基础

0.1聚类简介 [3] [5]

Clustering (聚类)是常见的unsupervised learning (无监督学习)方法，简单地说就是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset），这样让在同一个子集中的成...

第一部分：K近邻算法原理

1.1、k近邻算法的基本概念，原理以及应用

K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例的多数...