TreeGridDataset

class dgl.data.TreeGridDataset(tree_height=8, num_motifs=80, grid_size=3, perturb_ratio=0.1, seed=None, raw_dir=None, force_reload=False, verbose=True, transform=None)[source]

基类：DGLBuiltinDataset

来自 GNNExplainer: Generating Explanations for Graph Neural Networks 的 TREE-GRIDS 数据集

这是一个用于节点分类的合成数据集。它通过按顺序执行以下步骤生成。

构建一个平衡二叉树作为基础图。
构建一组 n 乘 n 的网格图案（motif）。
将图案附加到基础图上随机选择的节点。
通过添加随机边来扰动图。
为所有节点生成常数特征，该特征值为 1。
树中的节点属于类别 0，网格中的节点属于类别 1。

参数：

tree_height (int, optional) – 平衡二叉树的高度。默认值：8
num_motifs (int, optional) – 使用的网格图案（motif）数量。默认值：80
grid_size (int, optional) – 网格图案中的节点数量为 grid_size ^ 2。默认值：3
perturb_ratio (float, optional) – 扰动中添加的随机边数量除以图中原始边的数量。默认值：0.1
seed (integer, random_state, or None, optional) – 随机数生成状态的指示符。默认值：None
raw_dir (str, optional) – 存储处理后数据的原始文件目录。默认值：~/.dgl/
force_reload (bool, optional) – 是否总是从头开始生成数据，而不是加载缓存的版本。默认值：False
verbose (bool, optional) – 是否打印进度信息。默认值：True
transform (callable, optional) – 一个接受 DGLGraph 对象并返回转换后版本的转换器。每次访问时，DGLGraph 对象都将被转换。默认值：None

num_classes

节点类别数量

类型：: int

示例

>>> from dgl.data import TreeGridDataset
>>> dataset = TreeGridDataset()
>>> dataset.num_classes
2
>>> g = dataset[0]
>>> label = g.ndata['label']
>>> feat = g.ndata['feat']

__getitem__(idx)[source]: 获取索引处的数据对象。

__len__()[source]: 数据集中示例的数量。