torch_geometric.datasets.RandomPartitionGraphDataset

class RandomPartitionGraphDataset(root: str, num_classes: int, num_nodes_per_class: int, node_homophily_ratio: float, average_degree: float, num_graphs: int = 1, num_channels: Optional[int] = None, is_undirected: bool = True, transform: Optional[Callable] = None, pre_transform: Optional[Callable] = None, **kwargs: Any)

基础类：StochasticBlockModelDataset

来自“如何找到你的友好邻居：自监督图注意力设计”论文的随机分区图数据集。 这是一个由节点同质性和平均度控制的社区合成图，每个社区被视为一个类别。 节点特征是从正态分布中采样的，其中聚类的中心是超立方体的顶点，如sklearn.datasets.make_classification()方法所计算的。

Parameters:

• root (str) – Root directory where the dataset should be saved.

• num_classes (int) – The number of classes.

• num_nodes_per_class (int) – 每个类的节点数量。

• node_homophily_ratio (float) – 节点同质性的程度。

• average_degree (float) – 图的平均度数。

• num_graphs (int, optional) – The number of graphs. (default: 1)

• num_channels (int, optional) – 节点特征的数量。如果给定 为 None，则不会生成节点特征。 (默认: None)

• is_undirected (bool, optional) – 是否生成无向图。（默认值：True）

• transform (callable, optional) – A function/transform that takes in an torch_geometric.data.Data object and returns a transformed version. The data object will be transformed before every access. (default: None)

• pre_transform (callable, optional) – 一个函数/转换，它接收一个 torch_geometric.data.Data 对象并返回一个转换后的版本。数据对象将在保存到磁盘之前进行转换。（默认值：None）

• **kwargs (可选) – 传递给sklearn.datasets.make_classification()方法的关键字参数，用于绘制节点特征。