کتابخانه sknet چیست و چگونه با شبکه‌های پیچیده ارتباط دارد؟

کتابخانه sknet یک چارچوب scikit-learn و سازگار با NetworkX برای یادگیری ماشین در شبکه‌های پیچیده است [۱-۲-۳] این الگوریتم های یادگیری را برای شبکه‌های پیچیده ارائه می‌دهد و می‌تواند برای حل وظایف یادگیری ماشین در شبکه‌های پیچیده استفاده شود [1-۴]. ساختار اصلی کتابخانه در شکل 1 نشان داده شده است و شامل بسته‌های زیر است:

 

sknet.datasets: توابعی را برای بارگیری و پیش پردازش مجموعه داده‌ها برای یادگیری ماشین در شبکه‌های پیچیده ارائه می‌دهد.

sknet.models: شامل پیاده‌سازی مدل‌های مورد استفاده در کتابخانه است.

sknet.metrics: معیارهایی را برای ارزیابی عملکرد مدل ها ارائه می‌دهد.

sknet.utils: شامل توابع ابزار مورد استفاده در کتابخانه است.

کتابخانه sknet به شبکه‌های پیچیده مربوط می‌شود زیرا الگوریتم‌های یادگیری را به طور خاص برای شبکه‌های پیچیده طراحی شده است [۱]. می‌توان از آن برای بهبود عملکرد الگوریتم‌های یادگیری ماشین با شناسایی جنبه‌های توپولوژیکی داده‌ها استفاده کرد که طبقه‌بندی‌کننده‌های سطح پایین ممکن است به راحتی نتوانند آن‌ها را شناسایی کنند [۱].

منابع

1. sknet - A library for machine learning in complex networks - Tiago Toledo Junior

2. [PDF] sknet: A Python framework for Machine Learning in Complex Networks - Open Journals

3. sknet: A Python framework for Machine Learning in Complex Networks

4. (PDF) sknet: A Python framework for Machine Learning in Complex Networks