參考資料：《cora資料集介紹+python讀取》、《圖資料集之cora資料集介紹- 用pyton處理 - 可用於gcn任務》。
cora資料集由機器學習**組成。這些**分為以下七個類別之一：
import numpy as np
import pandas as pd
#讀入.content檔案
cora_content = pd.read_csv(
'./data/cora/cora.content'
,sep=
'\t'
,header=
none
)#檢視資料集初始格式
print
(cora_content.shape)
print
(cora_content.head(3)
)
(2708, 1435)
0 1 2 3 4 5 6 7 8 9 ... 1425 \
0 31336 0 0 0 0 0 0 0 0 0 ... 0
1 1061127 0 0 0 0 0 0 0 0 0 ... 0
2 1106406 0 0 0 0 0 0 0 0 0 ... 0
1426 1427 1428 1429 1430 1431 1432 1433 1434
0 0 1 0 0 0 0 0 0 neural_networks
1 1 0 0 0 0 0 0 0 rule_learning
2 0 0 0 0 0 0 0 0 reinforcement_learning
[3 rows x 1435 columns]
#讀取.cites檔案
cora_cites = pd.read_csv(
'./data/cora/cora.cites'
,sep=
'\t'
,header=
none
)#檢視資料集初始格式
print
(cora_cites.shape)
print
(cora_cites.head(3)
)
(5429, 2)
0 1
0 35 1033
1 35 103482
2 35 103515
content_idx =
list
(cora_content.index)
#將索引製作成列表
*****_id =
list
(cora_content.iloc[:,
0])#將content第一列取出
mp =
dict
(zip
(*****_id,content_idx)
)#對映成的字典形式
#檢視某個**id對應的索引編號
mp[31336
]
0#切片提取從第一列到倒數第二列（左閉右開）
feature = cora_content.iloc[:,
1:-1
]#檢視特徵矩陣
feature.shape
feature.head(
3)
3456
78910
...1424
1425
1426
1427
1428
1429
1430
1431
1432
143300
0000
0000
0...00
0100
0000
1000
0000
000...00
1000
0000
2000
0000
000...00
0000
0000
3 rows × 1433 columns
label = cora_content.iloc[:,
-1]#提取最後一列
label = pd.get_dummies(label)
#獨熱編碼
#檢視標籤的獨熱表示
label.head(
3)
case_based
genetic_algorithms
neural_networks
probabilistic_methods
reinforcement_learning
rule_learning
theory00
0100
0010
0000
1020
0001
00
mat_size = cora_content.shape[0]
#第一維的大小2708就是鄰接矩陣的規模
adj_mat = np.zeros(
(mat_size,mat_size)
)#建立0矩陣
mat_size
2708#建立鄰接矩陣
for i,j in
zip(cora_cites[0]
,cora_cites[1]
):#列舉形式（u，v）
x = mp[i]
y = mp[j]
adj_mat[x]
[y]= adj_mat[y]
[x]=
1
sum
(sum
(adj_mat)
)
10556.0#轉換為numpy格式的資料
feature = np.array(feature)
label = np.array(label)
adj_mat = np.array(adj_mat)
讀「人件集」有感
軟體開發中如何保證軟體質量是很關鍵的乙個問題，但是乙個產品又要保證按時能夠上市。這明顯是乙個互相矛盾的問題，怎麼解決。在保證質量的前提下如何按時的完成產品的開發。書中提到了現在軟體開發中很多專案的乙個普遍方法，就是制定乙個周密的計畫，假定到某個日期必須完工，這種開發存在於許多軟體公司。有句話說 存在...
讀「人件集」有感
軟體開發中如何保證軟體質量是很關鍵的乙個問題，但是乙個產品又要保證按時能夠上市。這明顯是乙個互相矛盾的問題，怎麼解決。在保證質量的前提下如何按時的完成產品的開發。書中提到了現在軟體開發中很多專案的乙個普遍方法，就是制定乙個周密的計畫，假定到某個日期必須完工，這種開發存在於許多軟體公司。有句話說 存在...
讀《白金資料》
仍是一貫的東野圭吾的寫法 在真實案情之上，給主人公批了一層雙層人格的外衣，意圖藉此將故事複雜化。其實劇情非常簡單，dna資料庫給特權階層設定了保護，即使特權人士犯案，通過dna匹配也不能找到真兇。沒想到，這個漏洞被乙個內部人士利用，犯了十幾宗姦殺案。看這本書，本來是衝著書名 白金資料 是和大資料有關...