使用 Neo4j 进行数据科学

简介

以原生图数据库为核心，Neo4j 提供了 Neo4j 图数据科学 — 一个面向分析师和数据科学家的图算法库。

该库包含用于社区检测、中心性、节点相似性、路径查找和链接预测的算法。图数据科学 (GDS) 旨在支持您图上的数据科学工作流程和机器学习任务。

图算法通过 Cypher® 过程公开。Cypher 是一种由 Neo4j 创建的声明式图查询语言。有关 Cypher 的更多信息，请访问 Cypher 手册。

在 Neo4j GDS 中，典型的工作流程如下

  • 从 Neo4j 数据库读取图数据。

  • 创建图投影 — 将数据加载到内存中的图中。

  • 在投影上运行图算法。

  • 将结果写回投影图和/或 Neo4j 数据库。

要了解有关 GDS 库功能的更多信息，请访问 官方文档。

设置环境

有多种方法可以开始在 Neo4j 中使用 GDS。您可以选择自托管或完全托管的云版本。

  • Neo4j AuraDS 是一种完全托管的 云 服务，它将 ML 表面和图数据库统一到一个工作区中。 AuraDS 文档 详细介绍了其功能并提供了 使用示例。

  • 如果您更喜欢使用本地解决方案，您可以

  • 如果您是图技术和 Neo4j 的新手，GraphAcademy 课程 可以成为一个很好的起点。它们免费、互动且实践性强。您可以选择专门为数据科学家设计的学习路径。

    此外，您可以使用 Neo4j 沙盒 来学习图概念和 Cypher。

将 Neo4j GDS 与您的数据生态系统集成

最大程度地减少数据移动方面的摩擦，可以使任何产品的采用变得更加容易。考虑到这一点，Neo4j 提供了多种 连接器、驱动程序和库，可以轻松进行数据集成

  • GDS Python 客户端 用于直接从 Python 调用所有 Neo4j GDS 过程。

  • 数据仓库连接器 用于将数据移入或移出 Snowflake、Google BigQuery、Amazon Redshift 或 Microsoft Azure Synapse Analytics。

  • BI 连接器用于直接访问 Microsoft Power BI、Tableau 等 BI 工具。

GDS Python 客户端

如果您是 Python 开发者，可以使用名为 graphdatascience 的 GDS Python 客户端 包。它使用户能够编写纯 Python 代码来投影图、运行算法、使用 ML 管道以及使用 GDS 训练 ML 模型。为了避免与服务器端 GDS 库的命名混淆，我们将 Neo4j GDS 客户端称为 GDS Python 客户端。

  1. 要导入和设置 GDS Python 客户端，请按照 GDS 客户端手册 → 入门 中的说明进行操作。

  2. 要安装 GDS Python 客户端，请运行

    pip install graphdatascience

  3. 请记住 GDS Python 客户端、Neo4j Python 驱动程序和 GDS 库的服务器端安装之间的兼容性要求。在 GDS 客户端手册 中查看这些要求。

  4. 如果您在 AuraDS 上使用 GDS Python 客户端，请运行以下命令

    # Replace with the actual URI, username, and password
AURA_CONNECTION_URI = "neo4j+s://xxxxxxxx.databases.neo4j.io"
AURA_USERNAME = "neo4j"
AURA_PASSWORD = "..."

# Client instantiation
gds = GraphDataScience(
    AURA_CONNECTION_URI,
    auth=(AURA_USERNAME, AURA_PASSWORD),
    aura_ds=True
)

GDS Python 客户端的源代码可在 GitHub 上找到。

使用 Neo4j Bloom 进行数据可视化

数据可视化是数据科学工作流程中不可或缺的一部分。这不仅允许数据专家分析海量信息，还允许他们有效地表示这些信息。数据可视化工具和技术可以影响数据驱动的决策。

Neo4j 提供了一个低代码可视化工具 — Neo4j Bloom，旨在探索和动态可视化大型图。

有关如何将 Bloom 与 GDS 库一起使用的说明，请参阅 Neo4j Bloom 手册 → 图数据科学集成。

图数据科学用例

您可以在所有行业中应用图数据科学来做出推荐、识别异常和查找欺诈者、改进客户知识以及优化供应链。

文档提供了有关如何将 GDS 中的图算法应用于现实用例的说明。

  • 在 GDS 客户端手册 → 教程 中，Jupyter 可运行笔记本展示了 GDS Python 客户端的功能。

  • 在AuraDS 文档中的使用示例展示了 GDS 工作流组件，并回答了有关如何估算内存使用情况、监控正在运行的算法的进度或如何共享 ML 模型的常见问题。

除了手册外，您还可以查找Neo4j YouTube 频道上的信息。

向数据科学家提问关于图系列回答了许多问题并提供了重要的见解。

资源