机器学习
节点分类
训练
现在在训练管道的特定配置过程中配置了训练的某些部分。为了有效，这些必须在调用 `train` 过程之前进行。其余部分已移至管道训练过程。请参见下表。
| 1.x | 2.x |
|---|---|
|
此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。 |
|
此参数由 `gds.beta.pipeline.nodeClassification.selectFeatures` 替换。现在还有一个过程 `gds.beta.pipeline.nodeClassification.addNodeProperty` 用于计算训练管道和生成的分类模型中输入图的节点属性。 |
|
此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。 |
|
此参数现在命名为 `testFraction` 并在 `gds.beta.pipeline.nodeClassification.configureSplit` 中配置。 |
|
此参数现在仅在 `gds.beta.pipeline.nodeClassification.configureSplit` 中配置。 |
|
此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。 |
|
此参数由 `gds.beta.pipeline.nodeClassification.addLogisticRegression` 替换，允许配置单个模型候选。可以多次调用此过程以添加多个模型候选。还有一个使用随机森林作为模型候选的新选项，使用 `gds.beta.pipeline.nodeClassification.addRandomForest`。 |
|
此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。 |
| 1.x | 2.x |
|---|---|
|
此过程不再存在，它添加了逻辑回归模型候选。添加逻辑回归候选可以通过多次调用 `gds.beta.pipeline.nodeClassification.addLogisticRegression` 来完成。 |
预测
除了下面列出的参数外，节点分类预测的 API 与之前相同，但使用了不同的过程。这些过程是 `gds.beta.pipeline.nodeClassification.predict.[mutate,stream,write]`。
| 1.x | 2.x |
|---|---|
|
批大小在内部优化，不再由用户配置。 |
| 1.x | 2.x |
|---|---|
|
|
|
|
|
|
链接预测
训练
现在在训练管道的特定配置过程中配置了训练的某些部分。为了有效，这些必须在调用 `train` 过程之前进行。其余部分已移至管道训练过程。请参见下表。
| 1.x | 2.x |
|---|---|
|
此参数现在仅在 `gds.beta.pipeline.linkPrediction.train` 中配置。 |
|
由 `gds.beta.pipeline.linkPrediction.addFeature` 中的 `nodeProperties` 替换。现在还有一个过程 `gds.beta.pipeline.linkPrediction.addNodeProperty` 用于计算训练管道和生成的分类模型中输入图的节点属性。 |
|
由传递给 |
|
这些参数已移除。使用 |
|
此参数现在仅在 |
|
此参数现在仅在 `gds.beta.pipeline.linkPrediction.train` 中配置。 |
|
此参数由 |
|
此参数现在仅在 `gds.beta.pipeline.linkPrediction.train` 中配置。 |
| 1.x | 2.x |
|---|---|
|
此过程不再存在，它添加了逻辑回归模型候选。添加逻辑回归候选可以通过调用 |
预测
链接预测分类的 API 与之前相同，但使用了不同的过程。这些过程是gds.beta.pipeline.linkPrediction.predict.[mutate,stream]。但是，链接预测分类不再有write模式，但仍然可以使用mutate模式，然后使用gds.graph.relationship.write来模拟此行为。
| 1.x | 2.x |
|---|---|
|
|
|
|
|
|