图神经网络学习笔记1 Introduction：Machine Learning for Graphs

文章目录
前言一、为什么要选择图进行机器学习？（起源）1.现代深度学习工具的不足
二、图神经网络定义1.有监督机器学习全流程图2.图表示机器学习
三、图机器学习的应用四、图表示的选择1.图的组成部分2.一些图表示的方式1.有向图VS无向图图的度数
2.异构图3.二部图4.图的表示4.1邻接矩阵4.2 边序列4.3 邻接表4.4 边有权重或无权重4.5 联通性

总结

前言
本章主要介绍了图神经网络的起源、定义、应用与总结。

课程建议先修知识点： 1.机器学习、2.算法与图论、3.概率论与数理统计
一、为什么要选择图进行机器学习？（起源）
图是用于描述并分析有关联/互动的实体的一种普适语言。它不将实体视为一系列孤立的点，而认为其互相之间有关系。它是一种很好的描述领域知识的方式。复杂领域有丰富的关系结构，可以表示为关系图通过显式建模关系，我们实现

图神经网络学习笔记1 Introduction：Machine Learning for Graphs最先出现在Python成神之路。