Vorlesung 1

Question 1

Was unterscheidet Data-Mining vom “Datenwühlen”

Answer 1

Data-Mining sucht nach nicht-offensichtlichem, neuem Wissen um Entscheidungen zu treffen

Question 2

Betrachte eine Datenbank mit Medikamenten, Dosierungen und Gesundheitsstatus, wie könnte hier eine Regel für das Data-Mining aussehen?

Answer 2

if application == oral: gesundheitsstatus = geheilt (z. B. mit 50 % Accuracy)

Question 3

Wie ist die Websters Definition von “Wissen”? Wie unterscheidet sie sich von “Daten”?

Answer 3

Verständnis durch tatsächliche Erfahrungen, gelernt und behalten
Daten hingegen sind faktuelle Informationen, genutzt als Basis für Berechnung, Diskussion und Begründung

Question 4

Wie ist der Ablauf von Data-Mining in einem KBS?

Answer 4

Experte/Datenbank -> Data-Mining-Modell -> Wissensbasis -> Inference-Engine -> Erklärendes Interface -> User
Dabei bilden Wissensbasis und Inference-Engine den KBS-Kern

Question 5

Gib grob die Schritte des Wissensfindungsprozesses an

Answer 5

1. identifiziere Anwendungsdomäne
2. finde/erzeuge Zieldatensatz (Selektion)
3. Datenvorverarbeitung
4. Datenreduktion und -formation
5. Musterevaluation, Wissensdarsteung
6. Nutzen

Question 6

Welche Funktionen hat die Wissensfindung?

Answer 6

1. Generalisierung
2. Assoziation und Korrelation (häufige Müste)
3. Klassifikation
4. Regression
5. Clusteranalyse
6. Outlier-Analyse
7. Sequentielle Muster
8. Struktur- und Netzwerkanalyse
9. Zusammenfassung (kompakte Darstellung für Datenteilmenge)