图Laplacian的谱在数据科学中起着重要的作用，是聚类和降维算法的基础，如光谱聚类、Laplacian特征图、扩散图等。

spark思维导图，整理的spark的各个模块的简介以及主要接口。 spark思维导图。 自己按照官方文档，整理的spark的各个模块的简介以及主要接口 大数据机器学习

图的机器学习在学术界和工业界都得到了广泛的研究。然而，随着大量新兴方法和技术的出现，关于图形学习的文献蓬勃发展，为不同的图形相关任务手动设计最优机器学习算法变得越来越困难。为了解决这一关键挑战，图上的自动机器学习（AutoML）将图机器学习和AutoML的优点结合在一起，正受到研究界的关注。因此，本文对图自动建模进行了全面的研究，主要研究了图机器学习的超参数优化（HPO）和神经结构搜索（NAS）。我们进一步概述了与自动图形机器学习相关的库，并深入讨论了AutoGL，这是第一个针对图形的AutoML的专用开源库。最后，我们分享了我们对自动化图机器学习未来研究方向的见解。本文是我们所知的第一篇关于图自动机器学习的系统和全面的综述。

这个是 Jordan 老爷子和他的得意门徒 Martin J Wainwright 在 Foundation of Machine Learning Research 上的创刊号，可以免费下载，比较难懂，但是一旦读通了，graphical model 的相关内容就可以踏平了。

图机器学习(GML)因其建模生物分子结构、它们之间的功能关系以及整合多组数据集的能力而受到制药和生物技术行业越来越多的关注。在此，我们提出了一个关于药物发现和研发多学科的学术-工业综述的主题。

图是连接数据网络结构的一种常用表示形式。图数据可以在广泛的应用领域中找到，如社会系统、生态系统、生物网络、知识图谱和信息系统。随着人工智能技术的不断渗透发展，图学习(即对图进行机器学习)越来越受到研究者和实践者的关注。图学习对许多任务都非常有效，如分类，链接预测和匹配。

资源包含一个非常详细的机器学习总结xmind源文件，可用xmind打开编辑和学习。非常详细的公式推导，有效帮助快速建立机器学习知识体系，为深度学习打下见识的基础。 总结内容：绪论、模型评估与选择、线性模型、支持向量机、贝叶斯分类器、集成学习、深度学习

概率图经典入门教程

依据清华大学高跃老师的公开讲座整理而成，如有侵权请联系删除。

市面上的这本书都比较模糊，而且没有目录，做了二值化处理尽量压缩这个pdf，然后加上了目录 适合研究生用，一千多页，比较难 1.第1章引言.. 1 2.第2章基础知识 15 3.第3章贝叶斯网表示 45 4.第4章无向图模型.. 103 5.第5章局部概率模型.. 155 6.第6章基于模板的表示.. 195