Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Gremlin-Inferenzabfragen in Neptune ML
<a name="machine-learning-gremlin-inference-queries"></a>

Wie in [Neptune-ML-Fähigkeiten](machine-learning.md#machine-learning-capabilities) beschrieben, unterstützt Neptune ML Trainingsmodelle, die die folgenden Arten von Inferenzaufgaben ausführen können:
+ **Knotenklassifizierung**   –   Sagt das kategorische Feature einer Eckpunkteigenschaft vorher.
+ **Knotenregression**   –   Sagt eine numerische Eigenschaft eines Eckpunkts vorher.
+ **Kantenklassifizierung**   –   Sagt das kategorische Feature einer Kanteneigenschaft vorher.
+ **Kantenregression**   –   Sagt eine numerische Eigenschaft eines Eckpunkts vorher.
+ **Linkvorhersage**   –   Sagt anhand eines Quellknotens und einer ausgehenden Kante Zielknoten oder anhand eines Zielknotens und einer eingehenden Kante Quellknoten voraus.

Wir können diese verschiedenen Aufgaben anhand von Beispielen veranschaulichen, die den von [GroupLens Research](https://grouplens.org/datasets/movielens/) bereitgestellten [MovieLens 100.000 Datensatz](https://grouplens.org/datasets/movielens/100k/) verwenden. Dieser Datensatz besteht aus Filmen, Benutzern und Bewertungen der Filme durch die Benutzer. Aus diesen Daten haben wir das folgende Eigenschaftsdiagramm erstellt: 

![\[Beispiel für ein Diagramm mit Filmeigenschaften unter Verwendung des MovieLens 100.000 Datensatzes\]](http://docs.aws.amazon.com/de_de/neptune/latest/userguide/images/movie_property_graph_example.png)


**Knotenklassifizierung**: Im Datensatz oben ist `Genre` ein Eckpunkttyp, der über die Kante `included_in` mit dem Eckpunkttyp `Movie` verbunden ist. Wenn der Datensatz jedoch so angepasst wird, dass `Genre` zum [kategorischen](https://en.wikipedia.org/wiki/Categorical_variable) Feature für den Eckpunkttyp `Movie` wird, kann das Problem der Ableitung des Werts für `Genre` für neue, zum Wissensdiagramm hinzugefügte Filme mit Knotenklassifizierungsmodellen gelöst werden.

**Knotenregression**: Bei Betrachtung des Eckpunkttyps `Rating`, der Eigenschaften wie `timestamp` und `score` besitzt, kann das Problem der Ableitung des numerischen Werts für `Score` für `Rating` mit Knotenregressionsmodellen gelöst werden.

**Kantenklassifizierung**: Wenn wir bei einer `Rated` Kante über eine Eigenschaft verfügen, `Scale` die einen der Werte,,,,, haben kann `Love` `Like` `Dislike` `Neutral``Hate`, das Problem der Rückschlüsse auf die Kante `Scale` für eine neue `Rated` movies/ratings Kante ebenfalls mithilfe von Kantenklassifizierungsmodellen gelöst werden.

**Kantenregression**: Ähnlich kann für die gleiche `Rated`-Kante mit einer Eigenschaft `Score`, die einen numerischen Wert für die Bewertung enthält, kann dies anhand von Kantenregressionsmodellen abgeleitet werden.

**Linkvorhersage**: Probleme wie die Suche nach den zehn Benutzern, die einen bestimmten Film am wahrscheinlichsten bewerten werden, oder der Suche nach den zehn Filmen, die ein bestimmter Benutzer am wahrscheinlichsten bewerten wird, werden mit Linkvorhersagen gelöst.

**Anmerkung**  
Für Neptune-ML-Anwendungsfälle gibt es einen sehr umfangreichen Satz von Notebooks, die Ihnen ein praktisches Verständnis jedes Anwendungsfalls vermitteln sollen. Sie können diese Notizbücher zusammen mit Ihrem Neptune-Cluster erstellen, wenn Sie die Neptune [CloudFormation ML-Vorlage verwenden, um einen Neptune-ML-Cluster](machine-learning-quick-start.md) zu erstellen. Diese Notebooks sind auch auf [github](https://github.com/aws/graph-notebook/tree/main/src/graph_notebook/notebooks/04-Machine-Learning) verfügbar.

**Topics**
+ [In Gremlin-Inferenzabfragen verwendete Neptune-ML-Prädikate](machine-learning-gremlin-inference-query-predicates.md)
+ [Gremlin-Knotenklassifizierungsabfragen in Neptune ML](machine-learning-gremlin-vertex-classification-queries.md)
+ [Gremlin-Abfragen zur Knotenregression in Neptune ML](machine-learning-gremlin-vertex-regression-queries.md)
+ [Gremlin-Kantenklassifizierungsabfragen in Neptune ML](machine-learning-gremlin-edge-classification-queries.md)
+ [Gremlin-Abfragen zur Kantenregression in Neptune ML](machine-learning-gremlin-edge-regression.md)
+ [Gremlin-Linkvorhersageabfragen mit Linkvorhersagemodellen in Neptune ML](machine-learning-gremlin-link-prediction-queries.md)
+ [Liste der Ausnahmen für Neptune-ML-Gremlin-Inferenzabfragen](machine-learning-gremlin-exceptions.md)