node2vec-graph-classifier

使用 Node2Vec 對 Karate Club 圖形學習節點嵌入，結合 t-SNE / UMAP 降維視覺化與 Logistic Regression 節點分類，完整呈現 Graph Embedding 的訓練與評估流程。

分析流程

KarateClub Graph
      ↓
Node2Vec 訓練 (128-dim embeddings, 100 epochs)
      ↓
┌─────────────────────┬──────────────────────┐
節點分類                    降維視覺化
Logistic Regression     t-SNE  vs  UMAP
Accuracy / F1 / CM

輸出

檔案	內容
node2vec_analysis.png	2×2 圖表：Loss Curve、Confusion Matrix、t-SNE、UMAP
node_embeddings_meta.csv	每個節點的真實標籤與 Embedding Norm
node2vec_model.pt	訓練完成的 Node2Vec 模型權重

視覺化說明

圖表	說明
Loss Curve	100 個 Epoch 的訓練損失變化
Confusion Matrix	節點分類結果（含準確率）
t-SNE	128 維嵌入降至 2D（t-SNE 方法）
UMAP	128 維嵌入降至 2D（UMAP 方法，速度更快）

快速開始

安裝依賴

python -m pip install torch torch-geometric scikit-learn umap-learn matplotlib pandas

Step 2 — 安裝 torch-cluster（Node2Vec 必要）

先確認 PyTorch 版本：

python -c "import torch; print(torch.__version__)"

再依版本安裝（以 2.x.x+cpu 為例）：

python -m pip install torch-cluster -f https://data.pyg.org/whl/torch-{版本號}.html

例如 PyTorch 2.11.0+cpu：

python -m pip install torch-cluster -f https://data.pyg.org/whl/torch-2.11.0+cpu.html

完整 wheel 清單：https://data.pyg.org/whl/

執行

python node2vec_graph_classifier.py

資料集

Zachary's Karate Club（34 節點、78 邊、4 個社群），由 PyTorch Geometric 內建提供。