2.2.2: Automatisches Lernen aus Beispielen

In der Einleitung wurde Wissensgewinnung oder Knowledge Discovery in Databases (KDD) folgendermaßen definiert:

"KDD beschreibt automatisierte Verfahren, mit denen Regelmäßigkeiten in Mengen von Datensätzen gefunden und in eine für Nutzende verständliche Form gebracht werden."

KDD-Verfahren werden in der Regel auf die Inhalte von Faktendatenbanken angewendet, also auf stark strukturierte Einträge.

2.2.2.1: Faktendatenbanken

Bei KDD-Anwendungen liegen allerdings häufig nur Daten-Tupel vor, die für andere Anwendungen erfasst wurden, bei denen also kein Einfluss mehr auf die verwendeten Attribute genommen werden kann. Wie in solchen Fällen vorgegangen werden kann, muss von Fall zu Fall entschieden werden.

Häufig wird in der Beschreibung von KDD-Verfahren nicht zwischen Objekten und den Tupeln, die sie repräsentieren, unterschieden, sondern man geht davon aus, dass eine eineindeutige Zuordnung von Objekten zu ihren Tupeln existiert, wie sie in relationalen Datenbanken durch einen Primärschlüssel garantiert wird. Stellt der Primärschlüssel allerdings nur eine Identifikationsnummer oder Ähnliches dar, garantiert diese Annahme nicht, dass die Objekte durch die übrigen Attribute inhaltlich gut genug beschrieben sind, um erfolgreich Lernverfahren darauf anzuwenden.

Die Wertebereiche R_i der Attribute sind in der Regel klein und wohl definiert, also z.B. binär, ganzzahlig, reellwertig, oder sie bestehen aus endlich vielen zulässigen Einträgen. Die Anzahl der Attribute bleibt dabei überschaubar. Das unterscheidet sie von den Attributen in IR-Systemen. Dort sind die Attribute entweder sehr komplex, wenn sie z.B. die Menge der Terme in einem Text beschreiben, oder es gibt sehr viele binäre oder reellwertige Attribute, wenn für jeden Term ein Attribut definiert wird, das sein Auftreten oder sein Gewicht angibt. Diese Unterschiede schränken die Möglichkeiten ein, KDD-Verfahren direkt auf IR-Probleme anzuwenden.