Graphengestützte Analysen und maschinelles Lernen mit TigerGraph

Kapitel 10. Graphengestützte Methoden des maschinellen Lernens

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

Nach Abschluss dieses Kapitels solltest du in der Lage sein:

• Nenne drei grundlegende Möglichkeiten, wie Graphdaten und Analysen das maschinelle Lernen verbessern können

• Zeigen Sie auf, welche Graphenalgorithmen sich für unüberwachtes Lernen bewährt haben

• Extrahiere Graphenmerkmale, um deine Trainingsdaten für überwachtes maschinelles Lernen anzureichern

• Beschreibe, wie neuronale Netze zum Lernen auf Graphen erweitert wurden

• Anwendungsfälle und Beispiele zur Veranschaulichung von Graphen-gestütztem maschinellem Lernen

• Wähle aus, welche Arten von graphbasiertem maschinellem Lernen für dich geeignet sind

Wir beginnen nun mit dem dritten Thema unseres Buches: Lernen. Das heißt, wir werden uns ernsthaft mit dem Kern des maschinellen Lernens beschäftigen: dem Modelltraining. Abbildung 10-1 zeigt die Phasen einer einfachen Pipeline für maschinelles Lernen. In Teil 1 dieses Buches haben wir uns mit dem Thema Verbinden beschäftigt, das zu den ersten beiden Phasen der Pipeline passt: Datenerfassung und Datenaufbereitung. Graphdatenbanken machen es einfach, Daten aus verschiedenen Quellen in eine verbundene Datenbank zu ziehen und Entitäten aufzulösen.

Abbildung 10-1. Pipeline für ...