数据分析之图算法: 基于Spark和Neo4j

164

｜

第

8

章

图 8-5：合著者关系图

8.3.4

　创建均衡的训练数据集和测试数据集

链接预测问题旨在尝试并预测未来的链接创建。该数据集适用于这项工作，这是因为可以

根据论文的日期来分割数据。需要判定该用哪一年来确定训练与测试的分割点，用那一年

之前的数据对模型进行全方位训练，用那一年之后的数据测试所创建的链接。

先看看这些论文发表的时间。可以编写以下查询按年份分组论文并统计数量：

query = """

MATCH (article:Article)

RETURN article.year AS year, count(*) AS count

ORDER BY year

"""

by_year = graph.run(query).to_data_frame()

通过条形图来可视化查询结果，代码如下：

plt.style.use('fivethirtyeight')

ax = by_year.plot(kind='bar', x='year', y='count', legend=None, figsize=(15,8))

ax.xaxis.set_label_text("")

plt.tight_layout()

plt.show()

使用图算法增强机器学习

｜

165

运行代码，可以得到如图 ...