对于许多传统的机器学习来说，特征的提取不是一件简单的事情。在一些复杂的问题上，需要耗费大量的时间和精力，通过人工的方式设计有效的特征集合，而基于图的机器学习经过图数据库进行特征补充，进一步的提高传统的机器学习的准确度，是在现有硬件和人员技术基础上最经济有效的改善方案，也是机器学习发展的新的方向。本次演讲将介绍TigerGraph如何与Spark集成，实现基于图的机器学习的解决方案。

听众受益：

1. 了解图机器学习如何在现有资源下经济有效的提高机器学习
2. 了解常用的图特征提取方式
3. 了解图数据库和Spark集成方案中的数据流和分工