Aprendendo com dados relacionais

Configurações Muitos algoritmos operam em uma única relação ou tabela, enquanto muitos bancos de dados do mundo real armazenam informações em várias tabelas (Domingos, 2003).

Pergunta Quais tipos de algoritmos aprendem bem em várias tabelas (relacionais). Em particular, estou interessado nos algoritmos aplicáveis ​​às tarefas de regressão e classificação (não os orientados para a análise de rede, por exemplo, previsão de link).

Estou ciente de várias abordagens listadas abaixo (mas tenho certeza de que estou perdendo algumas):

• Mineração de Dados Multi-Relacional (MRDM) (Dzeroski, 2002)
• Programação Lógica Indutiva (ILP) (Muggleton, 1992)
• Aprendizagem Estatística Relacional (SRL) (Getoor, 2007)

Džeroski, S. (2003). Mineração de dados multi-relacional: uma introdução. Boletim de Exploração da ACM SIGKDD.

Getoor, Lise e Ben Taskar, orgs. Introdução ao aprendizado relacional estatístico. Imprensa do MIT, 2007.

S. Muggleton e C. Feng. Indução eficiente de programas lógicos. Em Anais da Primeira Conferência sobre Teoria Algorítmica da Aprendizagem, páginas 368–381. Ohmsha, Tóquio, 1990.

Comecei a estudar esse assunto lendo este artigo: Macskassy, ​​S., & Provost, F. (2003). Um classificador relacional simples . Meu orientador me disse que é a abordagem de classificação mais simples em aprendizado relacional que ele conhece.

Este é um bom livro de introdução: De Raedt, Luc, ed. Aprendizado lógico e relacional . Springer, 2008.

Tente usar o ACE para TILDE e WARMR.