入门指南

在 安装 完成后，你可以通过两种主要方式开始使用 GDS 库：

  • 在内存图上运行一个或多个算法，检查计算结果，并可能将其写回 Neo4j。

  • 配置机器学习流水线并使用它来训练模型，然后使用该模型进行预测。

你可以在 Neo4j Browser 中或通过 Neo4j 驱动程序 运行所有 GDS Cypher 过程。

算法

GDS 算法的典型工作流程如下：

  1. 从 Neo4j 数据库中 投影 (Project) 一个内存图。

  2. 选择一个合适的 算法。

  3. 在其中一种 执行模式 下运行算法。

    • 使用 stream（流）模式将算法的输出作为查询结果检索出来。

    • 使用 mutate（变异）模式利用算法的输出更新内存图。

    • 使用 write（写入）模式将算法的输出写回 Neo4j 数据库。

  4. （可选）选择并运行更多算法。

Algorithms workflow.

基本工作流程 和 端到端工作流程 示例展示了包含单个算法和算法序列的完整流程。

机器学习流水线

机器学习 流水线 简化了图机器学习工作流程的常见阶段，例如 节点分类、链路预测 和 节点回归，从而方便训练模型并将其用于预测。

GDS 中机器学习流水线的典型工作流程如下：

  1. 配置流水线。

  2. 使用流水线训练模型。

  3. 使用训练好的模型进行预测。

    • 使用 stream（流）模式将预测值作为查询结果检索出来。

    • 使用 mutate（变异）模式利用预测值更新内存图。

    • 使用 write（写入）模式将预测值写回 Neo4j 数据库。

Workflow of pipelines and models.

机器学习流水线 示例展示了如何配置和使用基本的链路预测流水线。