데싸(Data Science) 노트

※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) HTML 삽입 미리보기할 수 없는 소스 1. 그래프 분해(Graph Factorization)란 1.1. 개념 행렬 분해를 그래프 데이터, 특히 그래프의 인접 행렬에 적용한 개념입니다. 그래프 분해를 통해 그래프 구조를 저차원의 잠재 공간으로 투영(projection)하는 것을 목표로 합니다. 주어진 그래프 $G$를 작은 차원의 두 행렬 "노드 임베딩 행렬 $F$"와 "잠재 그래프 구조 행렬 $H$"의 곱으로 근사합니다. $$G \approx F \times H$$ [그래프 ML] 행렬 분해(Matrix Factorization) - 비음수 행렬 분해(NMF), 특이값 분해(SVD), 주성분 분석(PCA) HTML 삽입 미리보기..

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. 행렬 분해(Matrix Factorization)란 1.1. 개념 $$X \approx S \times A$$ 대규모 행렬 데이터를 두 개 이상의 작은 행렬들의 곱으로 나타내는 것을 말합니다. 일반적으로 원본 행렬 $X$를 원천 행렬(source matrix) $S$와 기여도 행렬(abundance matrix) $A$의 곱으로 근사합니다. 여기서 $S$는 데이터를 구성하는 기본 요소들을, $A$는 각 요소가 원본 데이터에 기여하는 정도를 의미합니다. 1.2. 활용 고차원 데이터의 잠재적인 패턴과 구조를 발견하고, 저차원 표현으로 압축하며, 노이즈를 제거하는 등의 목적으로 사용됩니다...

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. 그래프 머신러닝이란 * 그래프 구조로 표현되는 데이터에 대해 기계학습 알고리즘을 적용하는 분야 - 비정형 구조인 그래프 데이터는 소셜 네트워크, 분자 구조, 지식망, 교통망 등 다양한 영역에서 활용 1.1. 대표적인 그래프 머신러닝 기법 * 그래프 임베딩(Graph Embeddings) * 그래프 신경망(GNN; Graph Neural Network) * 그래프 커널(Graph Kernels) → 노드 분류, 링크 예측, 그래프 생성, 클러스터링 등 작업 수행 1.2. 그래프 세분화 수준 수준(Level) 설명 예시 노드 수준 (Node-level) 개별 노드의 특성을 예측하거나 분류..

HTML 삽입 미리보기할 수 없는 소스 ※ 이전 글 참고 [그래프 ML] 파이썬 networkx 시작하기 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. 그래프(Graph) 뜻 * 개체 간의 관계를 설명하는 데 사용되는 수학적 구조 * 소셜 네트워크(팔로우), 지도(길로 이어진 data-science-note.tistory.com ☆★ 요약 ★☆ 작업 규모 및 목적 적절한 라이브러리 소규모 네트워크 분석 NetworkX 대규모 네트워크 및 고성능 분석 SNAP, igraph, graph-tool, NetworKit 시각화 기능 graph-tool, NetworKit 신규 알고리즘 생성 NetworKit 라이브러리 주요 특징 장점 단점 NetworkX - 표준 그래프 이론..

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) ※ 이전 글 참고 [그래프 ML] 그래프 데이터셋 - networkx, Network Repository, SNAP ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. networkx Graph generators — NetworkX 3.2.1 documentation [0] D.G. Corneil, H. Lerchs, L.Stewart Burlingham, “Complement reducible graphs”, Discrete data-science-note.tistory.com 1. 파이썬 NetworkX 활용 * 특정 노드의 에고 그래프(ego graph..

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. NetworkX Graph generators — NetworkX 3.2.1 documentation [0] D.G. Corneil, H. Lerchs, L.Stewart Burlingham, “Complement reducible graphs”, Discrete Applied Mathematics, Volume 3, Issue 3, 1981, Pages 163-174, ISSN 0166-218X. networkx.org 2. 네트워크 저장소(Network Repository) Network Data Repository | The First Interactive Network Data..

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) ※ 이전 글 참고 2024.03.08 - [인공지능/그래프] - [그래프 ML] 파이썬 networkx 시작하기 2024.03.11 - [인공지능/그래프] - [그래프 ML] 그래프 속성 - 파이썬 networkx 1. 간단한 그래프 1.1. 완전 연결 무향 그래프(Fully Connected Undirected Graph) * $n$개의 노드일 때, $\frac{n(n-1)}{2}$개의 간선과 군집 계수 $C=1$을 가짐 * 더 큰 그래프를 구성하는 기본 구성 요소(building block) - $n$개의 노드로 구성된 완전 연결 부분그래프를 크기가 $n$인 클리크(clique)라 함 ..

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) ※ 이전 글 참고 [그래프 ML] 파이썬 networkx 시작하기 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. 그래프(Graph) 뜻 * 개체 간의 관계를 설명하는 데 사용되는 수학적 구조 * 소셜 네트워크(팔로우), 지도(길로 이어진 data-science-note.tistory.com 1. 그래프 속성이란 * 모든 그래프는 고유한 속성을 가지며, 이러한 속성은 측정지표(metrics)로 정량화할 수 있음 - 그래프 전체 / 지역(local) / 전역(global) 측면을 특성화 함 - 간단한 속성 : 노드 및 간선의 개수 → 복잡한 그래프를 표현하기..

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. Gephi 다운로드 및 설치 * 복잡한 그래프 시각화 작업에 활용 * 아래 https://gephi.org/ 접속 ▶ [Download FREE] 클릭 ▶ OS에 맞는 파일 다운로드(Windows, Mac OS, Linux) Gephi - The Open Graph Viz Platform The Open Graph Viz Platform Gephi is the leading visualization and exploration software for all kinds of graphs and networks. Gephi is open-source and free. Runs on Win..

HTML 삽입 미리보기할 수 없는 소스 ※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. 그래프(Graph) 뜻 * 개체 간의 관계를 설명하는 데 사용되는 수학적 구조 * 소셜 네트워크(팔로우), 지도(길로 이어진 도시), 생물학적 구조, 웹 페이지, 프로세스 등 여러 분야에 사용됨 2. 라이브러리 설치 jupyter, networkx, snap-stanford, matplotlib, pandas, scipy 3. 단순무향그래프(Simple Undirected Graph) $$G = (V, E)$$ * $V$ : 꼭지점(vertex) 또는 노드(node)의 집합 $$V = \{v_1, ..., v_n\}$$ * $E$ : 두 꼭지점 간의 연결을 나타내는 간선(edge)으로..