GNN故障诊断数据集怎么自制

最近在完成毕业设计，daoshi提供了物种故障加正常的数据集，但是数据集只有采样的频率数，

img


但是别人的模型中的数据集都有边、节点关系什么的，这些是怎么来的呀？怎样才能做成跟博主一样的数据集，下面是博主做的：

img

下面的代码是网上找的，但是我的数据集里面什么都没有，source，target都没有，请问应该怎么搞？


# 读取原始数据集
data = pd.read_csv(r"C:\Users\HP\Desktop\mydata\alldataaa\mydataknn1.csv")

# 构建图
G = nx.DiGraph()
for _, row in data.iterrows():
    G.add_edge(row['source'], row['target'], attr_dict=row.to_dict())

# 提取节点特征和边属性
x = torch.tensor([G.nodes[node]['feature'] for node in G.nodes()])
edge_attr = torch.tensor([G.edges[edge]['attr'] for edge in G.edges()])

# 构建边索引
edge_index = torch.tensor([[e[0], e[1]] for e in G.edges()]).t().contiguous()

# 提取标签信息
y = torch.tensor(data['label'].values)

# 打印输出
print('x shape:', x.shape)
print('edge_attr shape:', edge_attr.shape)
print('edge_index shape:', edge_index.shape)
print('y shape:', y.shape)
不知道你这个问题是否已经解决, 如果还没有解决的话:
  • 你可以看下这个问题的回答https://ask.csdn.net/questions/7783180
  • 除此之外, 这篇博客: GNN典型模型的各阶段执行时间与算子分析中的 实验所使用的图数据结构： 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:

    属性数据（特征信息）–>特征矩阵X：[num_nodes, num_node_features]
    结构数据（邻居/边信息）–>COO格式的边表edge_index：[2, num_edges]——为后面Aggregate阶段的scatter操作埋下了伏笔！


如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^