Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Requêtes d'inférence Gremlin dans Neptune ML Comme décrit dans [Fonctionnalités de Neptune ML](machine-learning.md#machine-learning-capabilities), Neptune ML prend en charge les modèles d'entraînement qui peuvent effectuer les types de tâches d'inférence suivants : + **Classification de nœud** : prédit la fonctionnalité catégorielle d'une propriété de sommet. + **Régression de nœud** : prédit une propriété numérique d'un sommet. + **Classification d'arête** : prédit la fonctionnalité catégorielle d'une propriété d'arête. + **Régression d'arête** : prédit une propriété numérique d'une arête. + **Prédiction des liens** : prédit les nœuds de destination à partir d'un nœud source et d'une arête sortante, ou les nœuds sources à partir d'un nœud de destination et d'une arête entrante. Nous pouvons illustrer ces différentes tâches à l'aide d'exemples utilisant le jeu de [données de MovieLens 100 000 unités](https://grouplens.org/datasets/movielens/100k/) fourni par [GroupLens Research](https://grouplens.org/datasets/movielens/). Ce jeu de données comprend des films, des utilisateurs et des évaluations de ces films par les utilisateurs, à partir desquels nous avons créé un graphe de propriétés comme celui-ci : ![Exemple de graphique des propriétés d'un film à l'aide du jeu de MovieLens données de 100 000](http://docs.aws.amazon.com/fr_fr/neptune/latest/userguide/images/movie_property_graph_example.png) **Classification de nœud** : dans le jeu de données ci-dessus, `Genre` est un type de sommet connecté au type de sommet `Movie` par l'arête `included_in`. Toutefois, si nous modifions le jeu de données pour faire de `Genre` une fonctionnalité [catégorielle](https://en.wikipedia.org/wiki/Categorical_variable) du type de sommet `Movie`, le problème de la déduction de `Genre` pour les nouveaux films ajoutés au graphe de connaissances peut être résolu à l'aide de modèles de classification de nœud. **Régression de nœud** : si nous considérons le type de sommet `Rating`, qui possède des propriétés telles que `timestamp` et `score`, le problème de l'inférence de la valeur numérique `Score` pour un élément `Rating` peut être résolu à l'aide de modèles de régression de nœud. **Classification des arêtes** : De même, pour une `Rated` arête, si nous avons une propriété `Scale` qui peut avoir l'une des valeurs,,,,,`Love`,,`Like`,`Dislike`,, `Neutral``Hate`, alors le problème de la déduction de l'`Rated`arête `Scale` pour une nouvelle movies/ratings peut être résolu à l'aide de modèles de classification des arêtes. **Régression d'arête** : de façon similaire, pour la même arête `Rated`, si une propriété `Score` contient une valeur numérique pour l'évaluation, celle-ci peut être déduite à partir des modèles de régression d'arête. **Prédiction des liens** : des problèmes tels que la recherche des dix utilisateurs susceptibles d'évaluer le mieux un film donné ou la recherche des dix films qu'un utilisateur donné a le plus de chance d'évaluer relèvent de la prédiction des liens. **Note** Pour les cas d'utilisation de Neptune ML, nous disposons d'un ensemble très complet de blocs-notes conçus pour favoriser la compréhension pratique de chaque cas d'utilisation. Vous pouvez créer ces blocs-notes avec votre cluster Neptune en utilisant le modèle [Neptune CloudFormation ML pour créer un cluster Neptune ML](machine-learning-quick-start.md). Ces blocs-notes sont également disponibles sur [github](https://github.com/aws/graph-notebook/tree/main/src/graph_notebook/notebooks/04-Machine-Learning). **Topics** + [Prédicats Neptune ML utilisés dans les requêtes d'inférence Gremlin](machine-learning-gremlin-inference-query-predicates.md) + [Requêtes de classification de nœud Gremlin dans Neptune ML](machine-learning-gremlin-vertex-classification-queries.md) + [Requêtes de régression de nœud Gremlin dans Neptune ML](machine-learning-gremlin-vertex-regression-queries.md) + [Requêtes de classification d'arête Gremlin dans Neptune ML](machine-learning-gremlin-edge-classification-queries.md) + [Requêtes de régression d'arête Gremlin dans Neptune ML](machine-learning-gremlin-edge-regression.md) + [Requêtes de prédiction de lien Gremlin utilisant des modèles de prédiction de lien dans Neptune ML](machine-learning-gremlin-link-prediction-queries.md) + [Liste des exceptions pour les requêtes d'inférence Gremlin de Neptune ML](machine-learning-gremlin-exceptions.md)