Graphengestützte Analysen und maschinelles Lernen mit TigerGraph

Kapitel 6. Verbindungen analysieren für tiefere Einblicke

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In den vorangegangenen Kapiteln haben wir gelernt, dass die Darstellung von Daten als Diagramm uns die Möglichkeit gibt, einen tieferen und breiteren Blick auf unsere Daten zu werfen, sodass wir Fragen genauer und mit mehr Einblick beantworten können. Wir haben uns verschiedene Anwendungsfälle angesehen, um zu sehen, wie man Daten als Graphen modelliert und wie man sie abfragt. Jetzt wollen wir einen methodischeren Blick auf die Graph-Analyse werfen. Was meinen wir, wenn wir von Graph-Analyse sprechen? Welche spezifischen Techniken können wir für Graph Analytics verwenden?

Nach Abschluss dieses Kapitels solltest du in der Lage sein:

• Definiere Graph Analytics und beschreibe, was sie von der allgemeinen Datenanalyse unterscheidet

• Die Anforderungen der Graphenanalyse und einige wichtige Methoden verstehen, darunter die Breadth-First-Suche und die Parallelverarbeitung

• Definiere verschiedene Kategorien von Graphenalgorithmen, die für Analysen nützlich sind

• Nenne ein paar Algorithmen in jeder Kategorie und gib Beispiele für die Anwendung in der Praxis

Graph Analytics verstehen

Beginnen wir mit der Definition von Datenanalyse im Allgemeinen. Datenanalyse bedeutet, nützliche Beobachtungen zu machen und Schlussfolgerungen aus einer Datenmenge zu ziehen, um den Menschen zu helfen, die Bedeutung ...