图论、图算法与图学习

导读：本文整理了Maël Fabien发布了关于图论、图算法和图学习博客的前两篇（图论和图算法），主要内容是介绍图的概念、性质和应用。

作者 | Maël Fabien

编译 | Xiaowen

https://towardsdatascience.com/introduction-to-graphs-part-1-2de6cda8c5a5

图论（第一篇）：主要概念、性质、应用

如今，图正成为机器学习的核心，无论你是否希望通过预测潜在的联系、发现欺诈、了解客户的租车服务行为或提供实时建议来了解社交网络的结构。

在本文中，我们将讨论以下主题：

什么是图？

如何存储图？

图的类型和性质

python中图示例

这是三篇专门讨论图论、图算法和图学习的系列文章的第一篇。

详细内容见原文：

https://towardsdatascience.com/introduction-to-graphs-part-1-2de6cda8c5a5

https://towardsdatascience.com/graph-algorithms-part-2-dce0b2734a1d

图算法（第二篇）：主要概念、性质、应用

在本文中，我们将介绍：

主要的图算法

用例展示

Python示例

这是三篇专门讨论图论、图算法和图学习的系列文章的第二篇。

在上一篇文章中，我们介绍了图的主要类型，以及描述图的基本特征。我们现在将介绍更多细节、图分析/算法以及分析图的不同方法。为了理解上下文，这里有一些图形算法的用例：

实时欺诈检测

实时推荐

简化法规遵守情况

管理和监视复杂网络

标识和访问管理

社交应用程序/功能

……

详细内容见原文：

https://towardsdatascience.com/graph-algorithms-part-2-dce0b2734a1d