图机器学习学习笔记
node classification
relational classification
我周围比较接近的朋友们会慢慢影响我 => 用已经labelled的node去预测unlabelled的node，给unlabelled的node设置一个groud truth的初始值，然后传播labelled的node。
$$P(Y_v = c) = \frac{1}{\sum\limits_{(u, v) \in E}A_{v,u}} \sum\limits_{(v,u) \in E} A_{v,u} P(Y_u = c)$$
比如我要算现在这个node是绿色的机率，我就先计算我的邻居是绿色的平均机率
如果发现有的node机率已经不变了那么说明已经converged了，如果大多数node都已经收敛converged了则算法结束，但是如果没法收敛的化我们必须设置一个最大的iteration number，且没法利用自身node的feature和邻居的feature。
iterative classification
方法：
- $\phi1(fv)$: 利用自身的node feature来预测node上面的label => base classifier
- $\phi2(fv, zv)$: 除了自身的feature还用到了邻居node的label的summary => relational classifier
算法：
例子
passing message
消息
- 准备将传递给其他节点的消息
聚合和更新
- 聚合即将到来的消息
- 使用聚合消息更新节点
