标准图数据

2023-10-21 23:40
文章标签 数据 标准图

本文主要是介绍标准图数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 一、节点分类

1. BA-Shapes:单图,包括一个300节点的Barabasi-Albert(BA)子图和80个“房子”图案,这些图案被随机的加在BA图的节点上,并且加入随机边进行干扰。
该图没有节点特征。节点在基本图上是类型0,在“房子”的顶部,中部,底部分别为类型1-3.

 2.BA-community:包含两个BA图(社区),每一个BA图的节点特征符合高斯分布,根据不同社区的不同成员身份总共分成8个类
 

 3. Tree-Cycles:二分树作为基图,80个6节点循环图被附加于基本图随机节点上。
 

 4. Tree-Grid:基本图与Tree-Cycles类似,但用3×3的网络图代替循环图。

 二、 图分类
1. BA-2motifs dataset:800个子图,采用BA图为基图,一半的附加图为“房子”图案,其余是附有5节点的循环图案(根据附加图的不同,可分为2种类型的图)

 2. MUTAG(真实图):由4337个分子图组成,根据诱变效应分为两类。碳环中含有NH2和NO2原子团被认为是有诱变性的,而没有诱变性的分子也含有碳环。因此,我们可以将碳环作为基本图(共有图),将NH2和NO2原子团作为突变基图的基序(附加图,判据图)

 

三、评估指标
1、定性评估:在上面的图示中,黑边表示具有重要权重的边(按top-k排序)。并且可以明显地看出高权重边被赋予BA-Shapes和BA-Community的“house”图,Tree-Cycles和BA-2motifs的循环图,Tree-Grid的网格图,以及MUTAG的NO2原子团。
2、定量评估:此处将解释问题量化为边的二元分类。将重要图案的边视为正性边,否则为负性边。解释方法所得出的重要性权重被视为预测得分。较好的解释方法是赋予真实重要图案的边较高的权重,采用AUC作为定量评估的指标。特别地,对于MUTAG数据集,只考虑诱导图,因为非诱导图不存在明显的诱变原子团。
每个实验重复10次,得出AUC的平均值和标准差。

PGExplainer利用图生成模型的参数化解释网络,对多个实例共同提供解释。因此,PGExplainer可以拥有gnn的全局视图,这就解释了为什么PGExplainer可以比GNNExplainer表现得更好。

(38条消息) 模型评估指标AUC(area under the curve)_Webbley的博客-CSDN博客_auc值

3、效率评估:PGExplainer的解释网络可以在所有实例中共享(权值),因此,一个训练后的PGExplainer可以用来解释归纳设置中的新实例。用推理时间标识解释器解释一个新实例的时间,由于GNNExplainer必须对模型进行再训练,所以相比之下,PGExplainer大幅度降低推理时间,其计算效率是GNNExplainer的108倍,因此,PGExplainer更适合大规模数据。
4、归纳评估:
1)AUC随着训练实例的增加而增加。
2)训练的实例数越多,标准差越小,PGExplainer更倾向于全局检测共享图案,鲁班性更高。
3)PGExplainer只需要少量的训练实例就能取得相对较好的性能。

 5、图大小和交叉熵约束性能

6、连通约束:
该类约束指的是更多的边会约束在重要节点上。下图可以看出,通过连通约束,PGExplainer更倾向于提供一个连通子图作为解释图。

 
7、特征选择:可以参考GNNExplainer做特征掩码。

这篇关于标准图数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/257693

相关文章

详解如何使用Python构建从数据到文档的自动化工作流

《详解如何使用Python构建从数据到文档的自动化工作流》这篇文章将通过真实工作场景拆解,为大家展示如何用Python构建自动化工作流,让工具代替人力完成这些数字苦力活,感兴趣的小伙伴可以跟随小编一起... 目录一、Excel处理:从数据搬运工到智能分析师二、PDF处理:文档工厂的智能生产线三、邮件自动化:

Python数据分析与可视化的全面指南(从数据清洗到图表呈现)

《Python数据分析与可视化的全面指南(从数据清洗到图表呈现)》Python是数据分析与可视化领域中最受欢迎的编程语言之一,凭借其丰富的库和工具,Python能够帮助我们快速处理、分析数据并生成高质... 目录一、数据采集与初步探索二、数据清洗的七种武器1. 缺失值处理策略2. 异常值检测与修正3. 数据

pandas实现数据concat拼接的示例代码

《pandas实现数据concat拼接的示例代码》pandas.concat用于合并DataFrame或Series,本文主要介绍了pandas实现数据concat拼接的示例代码,具有一定的参考价值,... 目录语法示例:使用pandas.concat合并数据默认的concat:参数axis=0,join=

C#代码实现解析WTGPS和BD数据

《C#代码实现解析WTGPS和BD数据》在现代的导航与定位应用中,准确解析GPS和北斗(BD)等卫星定位数据至关重要,本文将使用C#语言实现解析WTGPS和BD数据,需要的可以了解下... 目录一、代码结构概览1. 核心解析方法2. 位置信息解析3. 经纬度转换方法4. 日期和时间戳解析5. 辅助方法二、L

使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)

《使用Python和Matplotlib实现可视化字体轮廓(从路径数据到矢量图形)》字体设计和矢量图形处理是编程中一个有趣且实用的领域,通过Python的matplotlib库,我们可以轻松将字体轮廓... 目录背景知识字体轮廓的表示实现步骤1. 安装依赖库2. 准备数据3. 解析路径指令4. 绘制图形关键

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元

Linux lvm实例之如何创建一个专用于MySQL数据存储的LVM卷组

《Linuxlvm实例之如何创建一个专用于MySQL数据存储的LVM卷组》:本文主要介绍使用Linux创建一个专用于MySQL数据存储的LVM卷组的实例,具有很好的参考价值,希望对大家有所帮助,... 目录在Centos 7上创建卷China编程组并配置mysql数据目录1. 检查现有磁盘2. 创建物理卷3. 创

Nacos日志与Raft的数据清理指南

《Nacos日志与Raft的数据清理指南》随着运行时间的增长,Nacos的日志文件(logs/)和Raft持久化数据(data/protocol/raft/)可能会占用大量磁盘空间,影响系统稳定性,本... 目录引言1. Nacos 日志文件(logs/ 目录)清理1.1 日志文件的作用1.2 是否可以删除

使用Python获取JS加载的数据的多种实现方法

《使用Python获取JS加载的数据的多种实现方法》在当今的互联网时代,网页数据的动态加载已经成为一种常见的技术手段,许多现代网站通过JavaScript(JS)动态加载内容,这使得传统的静态网页爬取... 目录引言一、动态 网页与js加载数据的原理二、python爬取JS加载数据的方法(一)分析网络请求1