|| 机器学习 - Neo4j 图数据科学 - Neo4j 文档

机器学习

节点分类

节点分类的原始 Alpha 版本已被完全移除，并已整合到节点分类流水线中。在训练节点分类模型之前，您必须创建和配置训练流水线。

训练

训练的部分内容现在已在训练流水线的特定配置程序中进行配置。这些配置必须在调用 train 程序之前生效。其余部分已移至流水线训练程序。请参阅下表。

表 1. 训练配置更改
1.x	2.x
`modelName`	此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。
`featuresProperties`	此参数已由 `gds.beta.pipeline.nodeClassification.selectFeatures` 替换。现在还有一个程序 `gds.beta.pipeline.nodeClassification.addNodeProperty`，用于在训练流水线和生成的分类模型中计算输入图的节点属性。
`targetProperty`	此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。
`holdoutFraction`	此参数现在名为 `testFraction`，并在 `gds.beta.pipeline.nodeClassification.configureSplit` 中配置。
`validationFolds`	此参数现在仅在 `gds.beta.pipeline.nodeClassification.configureSplit` 中配置。
`metrics`	此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。
`params`	此参数已由 `gds.beta.pipeline.nodeClassification.addLogisticRegression` 替换，允许配置单个模型候选项。该程序可以多次调用以添加多个模型候选项。还有一个新选项可以使用 `gds.beta.pipeline.nodeClassification.addRandomForest` 将随机森林作为模型候选项。
`randomSeed`	此参数现在仅在 `gds.beta.pipeline.nodeClassification.train` 中配置。

表 2. 流水线配置更改
1.x	2.x
`gds.beta.pipeline.nodeClassification.configureParams`	此过程已不再存在，它曾用于添加逻辑回归模型候选项。现在可以通过调用 `gds.beta.pipeline.nodeClassification.addLogisticRegression` 一次或多次来添加逻辑回归候选项。

预测

除了下面列出的参数外，节点分类预测的 API 与以前相同，但使用了不同的程序。这些程序是 gds.beta.pipeline.nodeClassification.predict.[mutate,stream,write]。

表 3. 预测配置更改
1.x	2.x
`batchSize`	批处理大小在内部已优化，不再由用户配置。

表 4. 预测程序替换
1.x	2.x
`gds.alpha.ml.nodeClassification.predict.stream`	`gds.beta.pipeline.nodeClassification.predict.stream`
`gds.alpha.ml.nodeClassification.predict.mutate`	`gds.beta.pipeline.nodeClassification.predict.mutate`
`gds.alpha.ml.nodeClassification.predict.write`	`gds.beta.pipeline.nodeClassification.predict.write`

链接预测

链接预测的原始 Alpha 版本已被完全移除，并已整合到链接预测流水线中。在训练链接预测模型之前，您必须创建和配置训练流水线。

训练

表 5. 训练配置更改
1.x	2.x
`modelName`	此参数现在仅在 `gds.beta.pipeline.linkPrediction.train` 中配置。
`featuresProperties`	已由 `gds.beta.pipeline.linkPrediction.addFeature` 中的 `nodeProperties` 替换。还有一个程序 `gds.beta.pipeline.linkPrediction.addNodeProperty`，用于在训练流水线和生成的分类模型中计算输入图的节点属性。
`linkFeatureCombiner`	已由 `gds.beta.pipeline.linkPrediction.addFeature` 的第二个位置参数（称为 `featureType`）替换。
`trainRelationshipType` 和 `testRelationshipType`	这些参数已移除。请使用 `gds.beta.pipeline.linkPrediction.configureSplit` 来设置数据集拆分。
`validationFolds`	此参数现在仅在 `gds.beta.pipeline.linkPrediction.configureSplit` 中配置。
`negativeClassWeight`	此参数现在仅在 `gds.beta.pipeline.linkPrediction.train` 中配置。
`params`	此参数已由 `gds.beta.pipeline.linkPrediction.addLogisticRegression` 替换，允许配置单个模型候选项。该程序可以多次调用以添加多个模型候选项。还有一个新选项可以使用 `gds.beta.pipeline.linkPrediction.addRandomForest` 将随机森林作为模型候选项。
`randomSeed`	此参数现在仅在 `gds.beta.pipeline.linkPrediction.train` 中配置。

表 6. 流水线配置更改
1.x	2.x
`gds.beta.pipeline.linkPrediction.configureParams`	此过程已不再存在，它曾用于添加逻辑回归模型候选项。现在可以通过调用 `gds.beta.pipeline.linkPrediction.addLogisticRegression` 一次或多次来添加逻辑回归候选项。

预测

链接预测分类的 API 与以前相同，但使用了不同的程序。这些程序是 gds.beta.pipeline.linkPrediction.predict.[mutate,stream]。但是，链接预测分类不再有 write 模式，但仍然可以通过使用 mutate 模式后跟 gds.graph.relationship.write 来模拟此行为。

表 7. 预测程序替换
1.x	2.x
`gds.alpha.ml.linkPrediction.predict.stream`	`gds.beta.pipeline.linkPrediction.predict.stream`
`gds.alpha.ml.linkPrediction.predict.mutate`	`gds.beta.pipeline.linkPrediction.predict.mutate`
`gds.alpha.ml.linkPrediction.predict.write`	`-`