55、ReMauve与关系数据挖掘在产品设计中的应用

ReMauve与关系数据挖掘在产品设计中的应用

在数据挖掘和机器学习领域，有两个重要的主题值得深入探讨，一是ReMauve关系模型树学习器，二是关系数据挖掘在产品设计虚拟工程中的应用。下面将详细介绍这两方面的内容。

ReMauve关系模型树学习器

ReMauve是一个能够在叶子节点构建带有复杂聚合的回归函数的关系模型树学习器。其节点细化过程复杂度为O(m)，构建叶子节点需要O(p³)，其中p是从根节点到叶子节点路径上的数值属性数量，整体复杂度为k×O(m) + (k + 1) × O(p³)。由于p << m，特别是在使用复杂聚合时，ReMauve系统在目标应用中更高效。

与其他系统相比，ReMauve是一个ILP系统，而Mr - Smoti则在关系数据库上运行，使用选择图来表示模型树的节点。

为了评估ReMauve的性能，进行了一系列实验，主要解决两个问题：
1. 预测带有复杂聚合函数的模型树与不预测聚合的模型树相比性能如何？
2. ReMauve与Tilde - RT或Mr - Smoti等其他系统相比如何？

实验使用了两个生物数据集（Mutagenesis和MassSpectrogram）和两个合成数据集（Artificial1和Artificial2）。
- Mutagenesis数据集 ：任务是预测230种硝基芳烃化合物的致突变性水平，使用了回归友好子集和完整数据集，以及不同的背景描述（B2和B3）。
- MassSpectrogram数据集 ：任务是根据质谱图预测分子的重量，数据集包含873个分子。