机器学习理论进阶-图机器学习
本文概述了图机器学习的关键概念和方法，介绍了图的基础知识、如何在机器学习中利用图来描述和分析具有复杂关系的实体。文中探讨了传统特征基方法在节点、边和图级别的应用，包括特征提取和表示学习的技术。进一步，讨论了节点嵌入与浅层编码方法，特别是随机游走和node2vec策略在节点相似性表达中的应用。文章还涵盖了图网络中消息传递机制及其在节点分类中的应用，以及图神经网络（GNN）的基本概念、高级应用和图数据的增强与划分方法。最后，介绍了图生成模型的基础概念和几种主要的图生成模型，展示了这些模型在模拟现实世界网络中的重要性。全文旨在为读者提供一个全面的视角，理解和应用图机器学习的各个方面。
机器学习
未读
RW与RWR的Python简单实现
本文通过Python和TensorBoard实验展示了随机游走（RW）与重启随机游走（RWR）算法的差异。作者创建了一个十节点图，用Floyd算法计算节点间最短路径，并分别对RW和RWR进行了实验。RW实验中，最终停留点分布较为分散，而RWR结果显示停留点与起始节点距离的紧密程度，表明RWR倾向于返回起始点或其附近，不同于RW的分散特性，直观展示了两种算法在图数据上的行为差异。
机器学习理论入门-图论
这是一篇介绍图论基础概念的文本。图由顶点（节点）和边组成，可以是有向的也可以是无向的。图可以通过边的有无方向来分类，还可以根据连接的特性分为连通图、二分图、强连通图等。文章介绍了权、路径、连通图、生成树、度和度中心性等概念，强调了度中心性在衡量节点重要性中的作用，并区分了无向图和有向图的一阶、二阶邻居。提供了一个Python示例来寻找图中节点的一阶、二阶、三阶邻居，并简要提到了高阶特征的重要性。最后，作者表明若有更高级的图论知识需求，将进行更新。
机器学习理论入门-西瓜书
周志华教授的《机器学习》（西瓜书）是一本深受欢迎的机器学习入门书籍，内容覆盖了机器学习的基础知识、线性模型、神经网络、支持向量机和计算学习理论等多个领域。本文精简了理论和公式，以便快速入门，并推荐了南瓜书作为配套辅导书籍。文章通过绪论、机器学习理论、基本术语等基础知识，逐步引导读者了解机器学习的核心概念和应用方法。每个章节都试图用通俗易懂的方式解释复杂的理论，并提供了链接和示例以供深入学习。此外，文中还讨论了机器学习领域的一些关键问题，如过拟合和欠拟合、模型评估与选择、以及支持向量机等高级主题，为读者提供了坚实的理论基础和实践指南。