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

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入

使用Python将JSON,XML和YAML数据写入Excel文件

《使用Python将JSON,XML和YAML数据写入Excel文件》JSON、XML和YAML作为主流结构化数据格式,因其层次化表达能力和跨平台兼容性,已成为系统间数据交换的通用载体,本文将介绍如何... 目录如何使用python写入数据到Excel工作表用Python导入jsON数据到Excel工作表用

Mysql如何将数据按照年月分组的统计

《Mysql如何将数据按照年月分组的统计》:本文主要介绍Mysql如何将数据按照年月分组的统计方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql将数据按照年月分组的统计要的效果方案总结Mysql将数据按照年月分组的统计要的效果方案① 使用 DA