基于SVM回归预测和WLNM的链接预测MATLAB实现

资源摘要信息:"svm回归预测matlab代码-LinkPrediction:代码‘M.Zhang，Y。Chen，Weisfeiler-Lehman神经机器用’" 关键词：svm回归预测，链接预测，Weisfeiler-Lehman神经机器，深度学习，图结构特征，MATLAB，liblinear，libsvm格式，Torch，ACM SIGKDD 1.svm回归预测： svm回归预测是一种基于统计学习理论的机器学习方法。在svm中，数据被映射到一个高维空间，在这个空间中，寻找一个能够最大限度地分割不同类别的超平面。对于回归问题，svm的目标是在保证预测准确率的同时，尽可能减少预测值与实际值之间的差异。 2.链接预测： 链接预测是指在图结构数据中，预测两个节点之间是否存在链接。这在社交网络，生物信息学等领域有广泛的应用。链接预测的方法有很多，包括基于统计的方法，基于路径的方法，基于局部结构的方法等。 3.Weisfeiler-Lehman神经机器（WLNM）： WLNM是一种基于子图的链接预测方法。它利用深度学习自动学习图结构特征，以便根据链接的封闭子图进行链接预测。这种方法能够捕捉到图数据中的复杂结构特征，从而提高链接预测的准确性。 4.在MATLAB中运行Main.m进行链接预测实验： Main.m是链接预测实验的主程序。在MATLAB中运行Main.m，可以进行链接预测实验。具体的实验步骤和参数设置需要参考相应的文献和代码。 5.liblinear： liblinear是一个开源的软件库，用于大规模线性分类，包括L1和L2损失函数的正则化线性支持向量机（SVM）。在链接预测中，liblinear可以用于将.mat数据保存为libsvm格式，以便Torch可以读取它们。 6.libsvm格式： libsvm是一种用于存储稀疏数据的格式，常用于支持向量机的学习和分类。在链接预测中，将.mat数据保存为libsvm格式，可以使Torch读取和处理数据。 7.Torch： Torch是一个科学计算框架，使用LuaJIT语言编写，提供了易于使用的API，可以用于深度学习，信号处理，图形，图像和视频等的计算。在链接预测中，Torch可以用于读取和处理libsvm格式的数据。 参考文献： Zhang M和Y. Chen，《Weisfeiler-Lehman神经机器用于链路预测》，Proc.Natl.Acad.Sci.USA。ACM SIGKDD知识发现和数据挖掘会议（KDD-17）。