[1]分类算法 – 决策树ID3算法

[1]FP Tree算法原理总结

[1]子空间聚类(转)[2]子空间聚类[3]聚类系数 Clustering coefficient[4]学习CVPR 2019 论文《自监督卷积子空间聚类网络》

内容为自己的学习总结，其中多有借鉴他人的地方，最后一并给出链接。在之前的文章中已经简单介绍了谱图理论【图机器学习】图神经网络入门（一）谱图理论，在本小节主要介绍如何从传统的傅里叶变换到图上的傅里叶变换。其中个人理解有错的地方希望，大家多多指正。这里在此重申一下为什么学习图傅里叶变换，对于图来说，直接进行卷积是困难的，因为图不具备图像那样规则的网格结构，因此考虑应用图傅里叶变换将网络的空域信息映射到

1]什么是「互信息」？[2]DIM：通过最大化互信息来学习深度表征[3]【互信息 Deep InfoMax】Learning Deep Representations by Mutual Information Estimation and Maximization[4]ICLR 2020 | 互信息视角下的表征学习[5]互信息的深度理解（总结的不错值得一看）[6]互信息在深度学习的应用[6]对比

在机器学习中，寻找数据集也是非常重要的一步。质量高或者相关性高的数据集对模型的训练是非常有帮助的。那么用于机器学习的开放数据集有哪些呢？我们给大家推荐一份高质量的数据集，这些数据集或者涵盖范围广泛（比如 Kaggle），或者非常细化（比如自动驾驶汽车的数据）。首先，在搜索数据集时，在卡内基·梅隆大学有以下说法：数据集不应混乱，因为你不希望花费大量时间清理数据。数据集不应该有太多行或列，因此很容易使

各种相似度计算的python实现

参考文献[1]Weisfeiler-Lehman算法测试图同构[2]图神经网络的表达能力与Weisfeiler-Lehman测试[3]什么是Weisfeiler-Lehman(WL)算法和WL Test？[4]Weisfeiler-Lehman(WL)算法[5]【GNN】WL-test：GNN 的性能上界[6]The Weisfeiler-Lehman Isomorphism Test...

  在使用Pytorch时报了RuntimeError: expected dtype Double but got dtype Float这个错误，仔细一查才发现是数据类型的问题。在处理数据时有时会用到numpy模块，处理完数据后为了加速计算然后转为tensor，用torch的计算方式进行运算。一运行结果发现报错了，报错的原因在于，numpy默认的数据类型是float64，而torch.tens

参考资料[1]测试集的精度随着迭代次数增加呈现先升高后下降的趋势是为什么？