task02:图的基本表示和特征工程

2.1传统图机器学习（人工特征工程+机器学习）

• 把向量输入机器学习模型中

• 特征

  • 一个节点自有的特征属于属性特征
  • 连接特征：节点与其他节点的连接关系

• 数据+特征，机器学习才能效果好

  • 数据是样本，特征就是选取的分类条件（比如聚类分析中，选取鸢尾花的花瓣长度，花瓣宽度，花萼高度，花萼宽度这就是特征，特征选取的好，收敛就快，效果就好）
  • 人的作用是构造出特征，算法会筛选出哪些特征权重高，哪些权重低
  • 特征需要行业背景

• 本节要对

  • 对节点做特征工程（node）：d个向量，d个特征

    • 节点的连接数

      

    • 节点的重要程度

      • 特征向量节点重要度：如果一个节点，他周围的节点也很重要，那么他自身也很重要

      

      • 这个betweenness centrality 也比较重要，比如湖北省到达其他省份最多经过两个省

      

      

    • 节点的抱团系数（是否形成环）
      
      
      

  • 对连接做特征工程（edge）：d个向量，d个特征

  • 对全图做特征工程（graph）：d个向量，d个特征

• 在networkx里graphlet被称之为Atlas