如何用Neo4j和Scikit-Learn做机器学习任务？
29 浏览量
2021-01-27
11:38:56
上传
评论
收藏 1.04MB PDF 举报
如何用如何用Neo4j和和Scikit-Learn做机器学习任务？做机器学习任务？
图算法不是一个新兴技术领域，在开源库中已经有很多功能强大的算法实现。近两年，业内的学者与科学家都在积极探索可以
弥补深度学习不可解释性，无法进行因果推断的这个缺陷，而图神经网络（GNN）成为备受关注和期待的“宠儿”。随着学界和
业界越来越关注GNN，各种新工作不断被提出，基于图神经网络的框架随之产生，如大家现在都已经熟悉的DGL，两大深度
学习框架PyTorch和TensorFlow中也开始支持相应的功能，大家对图（Graph）、图计算、图数据库、图机器学习等研究的关
注度越发高涨。
基于图数据的优秀性质，吸引越来越多的企业在基于图数据的机器学习任务中开始投入研究与使用，将图数据与机器学习算法
结合，弥补算法缺陷，赋予新一代图数据库新的使命。有不少企业内部自研图数据库与图分析计算平台，但是可直接使用的开
源或成熟工具并不完善，对没有能力自研的企业来说，基于图数据的机器学习该怎么做？工程师在自己的研究中有什么可行的
尝试方法？
今天的文章中，通过大家都非常熟悉的两个工具——图数据库 Neo4J和Scikit-Learning 提供一种解决思路。我们将以构建一
个机器学习分类器任务为例，从基础背景知识、算法原理到算法代码实现进行全面的讲解与指导。
数据库 Neo4J
数据库 Neo4J 是一种图形数据库，目前几个主流图数据库有 TigerGraph、Neo4j、Amazon Neptune、JanusGraph和
ArangoDB，近年来，Neo4J一直位列图数据库排行榜榜首，随着这几年知识图谱的火热发展，让数据库 Neo4J受到广泛关
注。
Neo4J 主要基于Cypher语言，基于Graph Algorithm 实现图分析算法。获取安装Neo4j Desktop也非常容易，只需一键。
Neo4j Desktop 地址：
https://neo4j.com/download/
这里再给大家推荐主要基于 Neo4J实现的案例算法书《Graph Algorithms》，其作者 Amy Holder 和 Mark Needham也是
Neo4j的员工。
剩余11页未读，继续阅读
评论0