Aprendiendo de datos relacionales

Configuración Muchos algoritmos operan en una sola relación o tabla, mientras que muchas bases de datos del mundo real almacenan información en varias tablas (Domingos, 2003).

Pregunta ¿Qué tipos de algoritmos aprenden bien de múltiples tablas (relacionales)? En particular, estoy interesado en los algoritmos que son aplicables a las tareas de regresión y clasificación (no los orientados al análisis de red, por ejemplo, la predicción de enlaces).

Soy consciente de varios enfoques enumerados a continuación (pero estoy seguro de que me faltan algunos):

• Minería de datos multirrelacionales (MRDM) (Dzeroski, 2002)
• Programación lógica inductiva (ILP) (Muggleton, 1992)
• Aprendizaje Relacional Estadístico (SRL) (Getoor, 2007)

Džeroski, S. (2003). Minería de datos multirrelacionales: una introducción. Boletín de Exploraciones ACM SIGKDD.

Getoor, Lise y Ben Taskar, eds. Introducción al aprendizaje estadístico relacional. MIT press, 2007.

S. Muggleton y C. Feng. Inducción eficiente de programas logicos. En Proceedings of the First Conference on Algorithmic Learning Theory, páginas 368–381. Ohmsha, Tokio, 1990.

Comencé a estudiar este tema leyendo este documento: Macskassy, ​​S. y Provost, F. (2003). Un clasificador relacional simple . Mi asesor me dijo que es el enfoque de clasificación más simple en el aprendizaje relacional que conoce.

Este es un buen libro de introducción: De Raedt, Luc, ed. Aprendizaje lógico y relacional . Springer, 2008.

Intente usar ACE para TILDE y WARMR.