创建我的 node2vec 模型后卡在我的 SVM 中
stuck in feeding my SVM after creating my node2vec model
我正在尝试使用 Node2Vec 和 SVM 在从蛋白质-蛋白质相互作用获得的图表上进行节点分类，以预测与特定疾病相关的疾病基因。准确地说。关键是，我使用 networkx 创建了一个图，我的节点具有 labels（蛋白质名称）和属性=0/1（如果该蛋白质是否引起疾病）。我在此图上应用了 node2vec，并且有了我的模型。 （在这个阶段我不关心 p 和 q 的值）但我不知道如何继续并将它提供给 SVM 或更重要的是，如何在将它提供给 SVM 之前减少我的矢量图的维度。另外，我不知道这些向量中是否包含我的节点的属性。但是，我有一个名为 lbls 的字典，其中包含我的节点及其值
这是一小段代码
node2vec = Node2Vec(G, dimensions=512, workers=4,p=1,q=2)
model = node2vec.fit(window=10, min_count=1, batch_words=4)
node2vec是一种无监督的节点嵌入方法，它基于Word2Vec。查看关于节点嵌入的 snap documentation for a brief description of the model. It will not use any of your attributes/features to create the embedding. It uses a shallow encoding, which are directly learned using a random walk based objective function. For details look at the paper or check the Stanford Lecture，其中详细介绍了 Node2Vec。您的嵌入维度当前为 512（对于 node2vec 的节点嵌入），您可能可以减少它。
我正在尝试使用 Node2Vec 和 SVM 在从蛋白质-蛋白质相互作用获得的图表上进行节点分类，以预测与特定疾病相关的疾病基因。准确地说。关键是，我使用 networkx 创建了一个图，我的节点具有 labels（蛋白质名称）和属性=0/1（如果该蛋白质是否引起疾病）。我在此图上应用了 node2vec，并且有了我的模型。 （在这个阶段我不关心 p 和 q 的值）但我不知道如何继续并将它提供给 SVM 或更重要的是，如何在将它提供给 SVM 之前减少我的矢量图的维度。另外，我不知道这些向量中是否包含我的节点的属性。但是，我有一个名为 lbls 的字典，其中包含我的节点及其值
这是一小段代码
node2vec = Node2Vec(G, dimensions=512, workers=4,p=1,q=2)
model = node2vec.fit(window=10, min_count=1, batch_words=4)
node2vec是一种无监督的节点嵌入方法，它基于Word2Vec。查看关于节点嵌入的 snap documentation for a brief description of the model. It will not use any of your attributes/features to create the embedding. It uses a shallow encoding, which are directly learned using a random walk based objective function. For details look at the paper or check the Stanford Lecture，其中详细介绍了 Node2Vec。您的嵌入维度当前为 512（对于 node2vec 的节点嵌入），您可能可以减少它。