kombiniertes data mining – klassifikation unter verwendung von ...

Kombiniertes Data Mining – Klassifikation anhand von Hilfsinformationen
gültig (im statistischen Sinne)
bisher unbekannt und
potentiell nützlich sein.
Data Mining umfasst somit den Prozess der Gewinnung neuer, valider und
handlungsrelevanter Informationen aus großen Datenbanken und die Nutzung dieser
Informationen für betriebswirtschaftliche Entscheidungen.
Die Methoden des Data Mining sind domänenübergreifende Datenanalysemethoden
aus Statistik, Künstlicher Intelligenz, Maschinellem Lernen und Mustererkennung zur
Auswertung großer Datenbestände. Diese stehen zwar im Fokus dieses Prozesses,
generieren aber ohne zielorientiertes Vorbereiten der Ausgangsdaten und Evaluieren
der Ergebnisdaten oft keine oder sogar irreführende Informationen [FA96].
Daher ist es zweckmäßig KDD als iterativen Prozess zu verstehen.
Lediglich 10 % des Zeitaufwandes im Data-Mining-Prozess entfallen unmittelbar auf
den Einsatz von Data-Mining-Methoden, 90 % fließen in die Datenaufbereitung und
Ergebnisnachbearbeitung [CA97].
Der Prozess des KDD gliedert sich nach [FPS96] wie folgt:
Datenbank
Fokussieren Vorver-
Fokussieren
arbeitung
Datenbank-
ausschnitt
Tabellen mit
notwendigen
Daten
Transformation
Data
Mining
Tabellenspalten
für Data Mining
Abbildung 2: Der KDD-Prozess
Evaluation
Muster Wissen
In dieser Prozessphase wird versucht, das Verständnis für die durchzuführende
Anwendung zu erlangen und zu vertiefen. Es werden Ziele des KDD bezüglich der
Seite 9