Documente Academic
Documente Profesional
Documente Cultură
Tarea 1
Andrey Garbanzo Vargas Cd. N. 1-1091-0773
3083: Bases de Datos II Grupo 03 Prof: Percy Caipa Valdez Centro Interuniversitario de Alajuela. 09 de octubre de 2011
2.1.
Alguno de los mtodos relacionales y estructurales que hay se encuentra: Programacin lgica inductiva (ILP por sus siglas en ingls). Aprendizaje basado en grafos. Modelos probabilsticos relacionales. Aproximaciones relacionales basadas en distancia. rboles de decisin relacionales. Reglas de asociacin relacionales. Induccin de programas lgico-funcionales.
Este tipo de programacin est basado en el paradigma lgico. Segn (Hernndez, Ramrez, & Ferri, Mtodos relacionales y estructurales, 2004), el mtodo ILP se define como la inferencia de una teora P (un programa lgico) desde una evidencia E. Para llegar a este punto se necesita una teora de conocimiento, que es otro programa lgico. Lo interesante del ILP es que es la va contraria la programacin lgica: mientras que este utiliza reglas para obtener y encontrar hechos, la ILP utiliza hechos para encontrar reglas, es decir, la programacin lgica es un proceso deductivo, mientras que la ILP es un proceso inductivo. El ILP se puede definir semnticamente de la siguiente forma: 1. 2. 3. 4. | |= : (necesidad a priori) : | (satisfacibilidad a priori)
2.2.1. -subsuncin
Uno de los mayores problemas del ILP es que pueden surgir muchas teoras a partir de los eventos o hechos analizados, de los cuales, muchos de esto pueden ser ms generales que otros, lo que puede provocar una verdadera confusin de cul es la teora que ms nos sirve para nuestro propsito final. La -subsuncin nos permite indicar si una regla es ms general que otra, y por lo tanto, considerarla como una regla ms confiable o que va a abarcar un mayor grupo de datos en una misma regla. Esto es importante a la hora de utilizar mtodos topdown o bottom-up para obtener las reglas.
Pero el ILP ha desarrollado sus propios operadores para llegar a este propsito. Los dos operadores ms importantes son los siguientes: Generalizacin menos general de dos clusulas (lgg por sus siglas en ingls): Este operador busca la generalizacin menos general que cubra dos clusulas, es decir, de las clusulas simples, se busca la que sea la ms especfica, pero que a la vez, sea general para ambas. Resolucin inversa: este operador lo que hace es invertir los pasos de resolucin. Los que hace es si se tiene una clusula y su resultado, se busca otra clusula que puede llegar a tener el mismo resultado. Lo interesante de este operador es que puede utilizar predicados que no existen en el grupo original de predicados, permitiendo que la bsqueda sea menos sesgada.
Como muchos otros mtodos y tcnicas de minera de datos, el ILP se puede utilizar para dos propsitos, ya sea predictiva (para aprender la definicin de un predicado) o descriptiva, que nos permite aprender patrones generales.
Existen otros mtodos, que aunque menos estudiados que el ILP, tambin son tiles para sistemas relacionales y estructurales.
4. Recomendaciones
Se recomienda utilizar este mtodo cuando los datos a analizar estn fuertemente relacionados y divididos en distintas estructuras. La utilizacin de distintos mtodos puede generar en mejores resultados y encontrar y considerar resultados que un mtodo probablemente ignorara. La utilizacin de bases de datos inductivas puede ser muy til para acelerar el proceso de bsqueda o aprendizaje de un problema. Sera muy utilizando utilizar otros tipos de paradigmas para estructuras relacionales. En mi caso recalcara mucho el paradigma funcional, que puede analizar un gran grupo de evidencia, y que tiene una gran potencialidad en la parte de recursividad.
10
11