链路预测训练流水线

class graphdatascience.pipeline.lp_training_pipeline.LPTrainingPipeline

表示链路预测训练流水线。使用 graphdatascience.GraphDataScience.lp_pipe() 构建此类的实例。

addFeature(feature_type: str, **config: Any) → Series[Any]

向流水线添加链路特征。

参数:

• feature_type (str) – 要添加的特征类型。

• **config (Any) – 特征的配置，包括要使用的节点属性。

返回:

查询结果。

返回类型:

Series[Any]

addLogisticRegression(**config: Any) → Series[Any]

向流水线添加逻辑回归模型候选。

参数:

**config (Any) – 逻辑回归模型的配置。

返回:

查询结果。

返回类型:

Series[Any]

addMLP(**config: Any) → Series[Any]

向流水线添加多层感知机 (MLP) 模型候选。

参数:

**config (Any) – 多层感知机模型的配置。

返回:

查询结果。

返回类型:

Series[Any]

addNodeProperty(procedure_name: str, **config: Any) → Series[Any]

向流水线添加节点属性步骤。

参数:

• procedure_name (str) – 要使用的过程名称。

• **config (Any) – 节点属性的配置。

返回:

查询结果。

返回类型:

Series[Any]

addRandomForest(**config: Any) → Series[Any]

向流水线添加随机森林模型候选。

参数:

**config (Any) – 随机森林模型的配置。

返回:

查询结果。

返回类型:

Series[Any]

auto_tuning_config() → Series[Any]

获取流水线的自动调优配置。

返回:

包含自动调优配置的 Series。

返回类型:

Series[Any]

configureAutoTuning(**config: Any) → Series[Any]

配置流水线的自动调优。

参数:

**config (Any) – 自动调优的配置。

返回:

查询结果。

返回类型:

Series[Any]

configureSplit(**config: Any) → Series[Any]

配置流水线训练的分片。

参数:

**config (Any) – 分片的配置。

返回:

查询结果。

返回类型:

Series[Any]

creation_time() → Any

获取流水线的创建时间。

返回:

流水线的创建时间。

返回类型:

Any

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

删除流水线。

参数:

failIfMissing (bool) – 如果为 True，当流水线不存在时会抛出错误。

返回:

查询结果。

返回类型:

Series[Any]

exists() → bool

检查流水线是否存在。

返回:

如果流水线存在则为 True，否则为 False。

返回类型:

bool

feature_steps() → DataFrame

获取流水线的特征步骤。

返回:

包含流水线特征步骤的 DataFrame。

返回类型:

DataFrame

name() → str

获取流水线的名称。

返回:

流水线的名称。

返回类型:

str

node_property_steps() → DataFrame

获取流水线的节点属性步骤。

返回:

包含节点属性步骤的 DataFrame。

返回类型:

DataFrame

parameter_space() → Series[Any]

获取流水线的参数空间。

返回:

包含参数空间的 Series。

返回类型:

Series[Any]

split_config() → Series[float]

获取流水线的分片配置。

返回:

包含分片配置的 Series。

返回类型:

Series[float]

train(G: Graph, **config: Any) → tuple[MODEL_TYPE, Series[Any]]

使用流水线在给定的图上训练模型。

参数:

• G (Graph) – 用于训练的图。

• **config (Any) – 训练配置。

返回:

包含训练好的模型和查询结果的元组。

返回类型:

tuple[MODEL_TYPE, Series[Any]]

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

估算给定图和配置的训练时间。

参数:

• G (Graph) – 用于训练的图。

• **config (Any) – 训练配置。

返回:

查询结果。

返回类型:

Series[Any]

type() → str

获取流水线的类型。

返回:

流水线的类型。它将是 NodeClassificationPipeline、LinkPredictionPipeline 或 NodeRegressionPipeline 之一。

返回类型:

str