图分析与高级机器学习:零售业洞察力的关键驱动力
如今,零售业的营销团队面临着重要的挑战,即如何获取和整合准确的数据,并进行高级分析以获得洞察力,从而应对日益激烈的市场竞争。尽管大型零售企业拥有丰富的数据资源,但这些数据通常分散在各个应用中,无法充分发挥实际的业务价值。数据孤岛的存在已经成为一个难题,而市场营销工具的多样性更增加了整合数据的复杂性。
如今,零售业的营销团队面临着重要的挑战,即如何获取和整合准确的数据,并进行高级分析以获得洞察力,从而应对日益激烈的市场竞争。尽管大型零售企业拥有丰富的数据资源,但这些数据通常分散在各个应用中,无法充分发挥实际的业务价值。数据孤岛的存在已经成为一个难题,而市场营销工具的多样性更增加了整合数据的复杂性。
上期我们介绍了基于图神经网络GNN的图异常值检测,今天我们就来了解一下图数据切分与模型数据载入的问题,本期内容节选自TigerGraph图课堂直播,欢迎登陆官网观看完整版视频,利用TigerGraph ML Workbench(机器学习工作台)进行的demo演示。另外,也跟大家预告一下我们明天的图课堂直播课程,本期内容将分享TigerGraph的全新方案:在图数据库中使用GNN对十亿级数据进行全量推理。
今天我们要介绍的是由伊利诺伊大学芝加哥分校正在攻读博士学位的博士生窦英通撰写的基于图神经网络的图异常值检测文章,作者致力于图数据挖掘、欺诈检测和安全机器学习。文章的内容基于他最近的论文和 在KDD 2022 机器学习在金融领域workshop的分享。
今天的随身听,我们将主要围绕“洞察”这个主题进行讨论。在这本O'Reilly电子书的机器学习章节中,您可以详细地看到图如何增强机器学习的中心阶段,即特征提取和所有重要的模型训练。这些独特的图特征为机器学习提供了更好的构建模型的原材料。
11月 TigerGraph Cloud发布了最新版本3.8,今天我们将为大家更全面地介绍TigerGraph Cloud最新版本中的一些全新工具和改进,包括全新上线的图可视化和分析工具TigerGraph Insights、TigerGraph ML Workbench( 机器学习工作台)、TigerGraph GraphStudio最新版、Admin Portal等。
在这篇博客中,我们将展示如何在TigerGraph Cloud上,使用机器学习工作台(ML workbench),在准备你的图数据集后,如何创建图特征工程,训练你的GNN模型,用子图可视化你的模型预测等。最终借助TigerGraph ML Workbench( 机器学习工作台),加速企业BI。
为了简化构建可视化图分析应用程序,TigerGraph Insights 支持用户在可视化界面上简单地点击、拖放,即可构建具有丰富交互功能的、多页面的、数据驱动的可视化图表,并支持传统的BI视图部件。这些图还可以借助交互式dashboard连接起来,以便轻松共享,从而更深入地了解和洞察关联数据。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.