图聚类学习笔记
图聚类先验知识聚类聚类和分类的区别如何衡量相似性的多少如何进行划分如何确定簇类
图图神经网络图节点聚类相关工作
图聚类先验知识
原文@YoHu人家 快速上手：图聚类入门 Graph Clustering
聚类
聚类就是在未知标签的前提下，将样本集合分为多个子集合，每个集合都有对应的标签
聚类和分类的区别
聚类：事先不知道任何样本的编号，需要一种算法把一组未知类别的样本划分为若干类别，我们不关心每一类是什么，我们只需要把相似的东西放在一起——一种无监督学习方法（组内相似性越大，组间差别越大越好） 分类：根据一些已知的样本（包含属性和类编号），得到分类的模型（类似于一个函数），通过这个函数对一些只包含属性的样本数据进行分类 ——一种监督学习方法（必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应）
如何衡量相似性的多少
相似性度量 如欧式距离、闵可夫斯基距离、马氏距离、余弦相似度、皮尔逊相关系数和KL散度等
如何进行划分
k-means 谱聚类 深度嵌入聚类（DEC）
K-means：迭代求解的聚类分析算法。预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心，多次迭代直到收敛或者达到迭代次数上限。 聚类中心以及分配给它们的对象就代表一个聚类。谱聚类：从图论中演化出来的算法。把所有的数据看做空间中的点，这些点之间可以用边连接起来。距离较远的两个点之间的边权重值较低，而距离较近的两个点之间的边权重值较高，通过对所有数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，而子图内的边权重和尽可能的高，从而达到聚类的目的。深度嵌入聚类（DEC）：一种引入KL loss来迭代优化非监督算法，详见论文。（KL散度就是一种计算分布哪个保留了我们原始数据源中最多的信息 来源于熵 可以预计有多少信息丢失 可以通过减少KL散度来保留更多的信息）
如何确定簇类
（了解较少）肘部法则SSE、轮廓系数、度量可概化性G：（将数据分为训练和验证集，并将G设为两者损失值之间的比率，对各种簇类别数k下计算G，当k大于最佳簇数时会出现G急剧下降的现象）
图
结构化信息（欧式数据）
语音、文本、图像、视频 …… 具有规范的数据存储或表示形式 迎合人类的认知和计算机的存取处理
非结构信息（非欧式数据）——图结构 也有一些具体的分类
社交网络、化学分子、引文网络 ……没有规范的数据格式来自于自然世界
图神经网络
图学习的本质目的在于，将结构信息作为特征的一环，融入学习系统来更好的进行学习任务。对于GNN而言其往往有两类特征，节点特征、结构特征。由于结构将节点们进行连接，形成各种链路，所以GNN早期是循环神经网络（RNN）的相关研究成果变迁而来。不过也有一些工作是直接从结构信息入手，如最有名的GCN。
结构说明了节点之间如何连接
图节点聚类
输入：结构特征 节点特征
输出：节点标志集
相关工作
不仅只有图聚类任务可以完成聚类要求，图嵌入、图对比学习学习到的Embedding信息也是融合结构特征和节点特征的有效方法，其也可以直接用来做聚类对比研究。
精彩文章
发表评论