4: Data Mining

In der Einleitung war Knowledge Discovery in Databases als eine Theorie beschrieben worden, die sich mit automatisierten Verfahren beschäftigt, mit denen Regelmäßigkeiten in großen Mengen von Datensätzen oder Beispielen gefunden und in eine für Menschen verständliche Form gebracht werden können. Diese Regeln sollten für die Menschen natürlich auch neu und nützlich sein, also prinzipiell dazu geeignet ihr Wissen, ihr Verhalten oder ihre Entscheidungen zu verändern. Ganz allgemein kann der Vorgang, dass sich ein System durch Beispiele ändert als ein Lernvorgang bezeichnet werden. Das gilt sowohl für biologische Systeme als auch - im übertragenen Sinne - für künstliche Systeme. So hat sich Knowledge Discovery in Databases auch aus einem Fachgebiet mit dem Namen "Machine Learning" entwickelt. Um den Zusammenhang zum Lernen in biologischen Systemen herzustellen, soll zunächst ein kleiner Exkurs zum Thema Lernen unternommen werden.

4.1: Lernen

4.2: Kategorisieren

4.3: Darstellung als Regeln

4.4: Zusammengesetzte Attribute

4.5: Cluster und unscharfe Mengen

4.6: Assoziative Regeln

4.7: Ein komplexeres Beispiel