图分析与图机器学习：原理、算法与实践
维克多·李 阮福坚 亚历山大·托马斯
359人在读
15.1万字总字数
¥53定价
维克多·李 阮福坚 亚历山大·托马斯
本书向数据科学家、数据工程师、架构师和业务分析师展示了如何使用领先的图数据库模型TigerGraph，目标是向读者介绍图数据结构、图分析和图机器学习的概念、技术和工具。三位作者介绍了涵盖多种当代业务需求的真实使用案例。读者将探索从互联数据中获取价值的三阶段方法：连接、分析和学习。几乎每章的开头都列出了对应的三个方面的目标：学习图分析和机器学习的概念；用图分析解决特定问题；了解如何使用GSQL查询语言和TigerGraph图平台。
图数据相对于传统的关系型数据和结构化数据，在表示数据连接上具有非凡的优势和非凡的性能；已被广泛应用于医疗药物分析、金融业务处理、推荐系统等领域。然而，与大量的关系型数据相比，图数据的学习要难得多：一方面是图数据与关系型数据在表达模式上的差异；另一方面则是图数据的应用不像关系型数据那样频繁。而这本书无疑为想学习图数据提供了一个良好的平台，书采用“理论+实际案例并搭配TigerGraph”的模式深深吸引了我，这真的是一本非常棒的书，一本了解图和学习图的最佳搭档。
反洗钱和反欺诈中，通常使用评分卡等模型，这是不够的。因为某些账户相互之间有关联。如果加入图特征或者图嵌入，再用GBDT等机器学习算法进行分类，将会有质的提升，书中最后一章也提到了。值得一读！