Навчання за реляційними даними

Налаштування Багато алгоритмів працюють на одному відношенні або таблиці, в той час як багато реальних баз даних зберігають інформацію в декількох таблицях (Domingos, 2003).

Запитання Які види алгоритмів добре навчаються з декількох (реляційних) таблиць. Зокрема, мене цікавлять алгоритми, застосовні до задач регресії та класифікації (не орієнтовані на мережевий аналіз, наприклад, прогнозування зв’язку).

Мені відомо кілька підходів, перелічених нижче (але я впевнений, що я пропускаю деякі):

• Багатореляційний обмін даними (MRDM) (Dzeroski, 2002)
• Індуктивне логічне програмування (ILP) (Muggleton, 1992)
• Статистичне реляційне навчання (SRL) (Getoor, 2007)

Džeroski, S. (2003). Багатореляційний обмін даними: вступ. Інформаційний бюлетень з розслідувань ACM SIGKDD.

Гетуар, Ліз та Бен Таскар, едс. Вступ до статистичного реляційного навчання. MIT press, 2007.

С. Магглтон та К. Фенг. Ефективна індукція логічних програм. У матеріалах першої конференції з алгоритмічної теорії навчання, сторінки 368–381. Омша, Токіо, 1990 рік.

Я почав вивчати цю тему, прочитавши цей документ: Macskassy, ​​S., & Provost, F. (2003). Простий реляційний класифікатор . Мій радник сказав мені, що це найпростіший класифікаційний підхід у реляційному навчанні.

Це гарна вступна книга: De Raedt, Luc, ред. Логічне та реляційне навчання . Спрингер, 2008.

Спробуйте використовувати ACE для TILDE та WARMR.