Графы в современных алгоритмах машинного обучения используются для представления сложных взаимосвязей между точками данных. 4 На графах решаются задачи классификации, регрессии и кластеризации, а также специфические, например, восстановление пропущенных связей внутри графа или генерация графов с нужными свойствами. 3

Например, на платформе Airbnb связи между пользователями естественным образом образуют рёбра, которые можно использовать для создания графа. 5 Чтобы модели машинного обучения могли получать информацию из графов, нужно предоставить им эти данные в соответствующем виде. 5 Например, можно вычислить статистику об узлах и использовать её в качестве числовых характеристик. 5

Также для фиксации как структуры графа, так и функций узлов используются графовые свёрточные сети (Graph Convolutional Networks, GCN). 5 Эти нейронные сети принимают в качестве входных данных матрицу признаков узла в дополнение к матрице смежности графа и выводят выходные данные на уровне узла. 5

Деревья в машинном обучении используются для алгоритмов принятия решений, таких как деревья решений и случайные леса. 4 Деревья предлагают эффективные алгоритмы поиска и сортировки. 4