链接预测模型

class graphdatascience.model.link_prediction_model.LPModel

表示模型目录中的链接预测模型。使用 LPTrainingPipeline.train() 构建此模型。

best_parameters() → Series[Any]

获取管道模型的最佳参数。

返回：

管道模型的最佳参数。

creation_time() → Any

获取模型的创建时间。

返回：

模型的创建时间。

drop(failIfMissing: bool = False) → Series[Any]

删除模型。

参数：

failIfMissing – 如果为 True，则在模型不存在时抛出错误。如果为 False，则不抛出错误。

返回：

删除操作的结果。

exists() → bool

检查模型是否存在。

返回：

如果模型存在则为 True，否则为 False。

graph_schema() → Series[Any]

获取模型的图模式。

返回：

模型的图模式。

link_features() → list[LinkFeature]

获取管道的链接特征。

返回：

管道的 LinkFeatures 列表。

loaded() → bool

检查模型是否已加载到内存中。

返回：

如果模型已加载到内存中则为 True，否则为 False。

metrics() → Series[Any]

获取管道模型的指标。

返回：

管道模型的指标。

model_info() → dict[str, Any]

获取模型的模型信息。

返回：

模型的模型信息。

name() → str

获取模型的名称。

返回：

模型的名称。

node_property_steps() → list[NodePropertyStep]

获取管道模型的节点属性步骤。

返回：

管道模型的节点属性步骤。

predict_mutate(G: Graph, **config: Any) → Series[Any]

使用模型对给定图进行预测，并使用结果修改图。

参数：

• G – 要进行预测的图。

• **config – 预测的配置。

返回：

修改操作的结果。

predict_mutate_estimate(G: Graph, **config: Any) → Series[Any]

估算使用模型对给定图进行预测所需的内存。

参数：

• G – 要进行预测的图。

• **config – 预测的配置。

返回：

使用模型对给定图进行预测所需的内存。

predict_stream(G: Graph, **config: Any) → DataFrame

使用模型对给定图进行预测，并将结果作为 DataFrame 流式传输。

参数：

• G – 要进行预测的图。

• **config – 预测的配置。

返回：

作为 DataFrame 的预测结果。

predict_stream_estimate(G: Graph, **config: Any) → Series[Any]

估算使用模型对给定图的预测，并将结果作为 DataFrame 流式传输。

参数：

• G – 要进行预测的图。

• **config – 预测的配置。

返回：

作为 DataFrame 的预测结果。

published() → bool

检查模型是否已发布。

返回：

如果模型已发布则为 True，否则为 False。

shared() → bool

检查模型是否已共享。

返回：

如果模型已共享则为 True，否则为 False。

stored() → bool

检查模型是否存储在磁盘上。

返回：

如果模型存储在磁盘上则为 True，否则为 False。

train_config() → Series[Any]

获取模型的训练配置。

返回：

模型的训练配置。

type() → str

获取模型的类型。

返回：

模型的类型。