上期我们介绍了基于图神经网络GNN的图异常值检测,今天我们就来了解一下图数据切分与模型数据载入的问题,本期内容节选自TigerGraph图课堂直播,欢迎登陆官网观看完整版视频,利用TigerGraph ML Workbench(机器学习工作台)进行的demo演示。另外,也跟大家预告一下我们明天的图课堂直播课程,本期内容将分享TigerGraph的全新方案:在图数据库中使用GNN对十亿级数据进行全量推理。
图课堂专题
随身听
今天我们要介绍的是由伊利诺伊大学芝加哥分校正在攻读博士学位的博士生窦英通撰写的基于图神经网络的图异常值检测文章,作者致力于图数据挖掘、欺诈检测和安全机器学习。文章的内容基于他最近的论文和 在KDD 2022 机器学习在金融领域workshop的分享。
今天的随身听,我们将主要围绕“洞察”这个主题进行讨论。在这本O’Reilly电子书的机器学习章节中,您可以详细地看到图如何增强机器学习的中心阶段,即特征提取和所有重要的模型训练。这些独特的图特征为机器学习提供了更好的构建模型的原材料。
越来越多的企业正利用图分析来增强机器学习,今天的随身听我们就一起来聊聊图和机器学习。如果您正从事机器学习相关的工作,但对图分析却不太了解,那么您可以点击文末的“下载按钮”,下载完整的《原生并行图》白皮书,来增强您对图的了解,从而更好地利用图来增强机器学习。
为什么要使用机器学习?数据科学家和业务分析师如何更轻松地使用机器学习?如何更高效地使用图神经网络?如何更好地提高机器学习的准确性?TigerGraph 机器学习工作台,可以轻松帮你解决这些问题。今天的随身听,我们就一起了解下TigerGraph Machine Learning Workbench。
