图机器学习入门：基本概念介绍
图机器学习是机器学习的分支，专注于处理图形结构数据，其中节点代表实体，边表示实体间关系。本文介绍了图的基本概念，如无向图与有向图，以及图的性质，如节点度、邻接矩阵。此外，还讨论了加权图、自循环、多重图、双部图、异构图、平面图和循环图。图在描述数据关系和特征方面具有灵活性，为机器学习算法提供了丰富的结构信息。
浅谈领域驱动在前端的应⽤
领域驱动是⼀种思想，不仅可以应⽤于软件开发，也没有绝对的开发规范，适合⾃⼰的业务和团队背景就好，我们不是为了应⽤⽽应⽤，⽽是为了解决问题。
基于SVM支持向量机的数据预测matlab仿真
- **算法效果预览**：展示了6张支持向量机(SVM)在Matlab 2022a中运行的图像，包括分类或预测结果的比较。
- **软件版本**：Matlab 2022a。
- **算法理论**：SVM是监督学习工具，用最大间隔超平面做分类，通过核函数处理非线性问题。
- **核心程序片段**：展示了一个SVM预测模型的MATLAB代码，包括：
- 绘制真实值与训练预测值的对比图。
- 计算并可视化31个城市训练数据的RMSE误差。
- 使用模拟数据对2017-2020年进行预测。
- 显示特定城市的预测结果及误差条形图。
- 保存最终的预测数据。
ChatTuGraph：通过大模型“与图对话”
相比于SQL相对成熟的语法标准，图查询语言尚未形成成熟的统一标准，目前是多种查询语法并存的状态，上手门槛高，因此更需要借助大语言模型的自然语言理解能力，降低图数据库查询语言的使用门槛。