N. Fuhr, U. Duisburg-Essen Einführung Information Mining 1 Information Mining - Einführung Norbert Fuhr Abteilung Informatik und Angewandte Kognitionswissenschaften Fachgebiet Informationssysteme
N. Fuhr, U. Duisburg-Essen Einführung Information Mining 2 Aufgabenstellungen im Data Mining ● Klassifikation Vorhersage einer Klassenzugehörigkeit ● Nummerische Vorhersage Vorhersage eines nummerischen Wertes ● Assoziation Bestimmung von Assoziationen zwischen beliebigen Merkmalen ● Clustering Gruppeneinteilung von Objekten nach Ähnlichkeit
N. Fuhr, U. Duisburg-Essen Einführung Information Mining 3 Beispiele für Klassifikationsaufgaben ● Wird es morgen regnen? ● Verursacht der Antragsteller im nächsten Jahr einen Haftpflichtschaden? ● Liegt ein Fall von Versicherungsbetrug vor? ● Ist der Kunde in der Lage, den Kredit zurückzuzahlen? ● Wird das Gerät in Kürze ausfallen? ● Liegt ein Stau vor?
N. Fuhr, U. Duisburg-Essen Einführung Information Mining 4 Beispiele für nummerische Vorhersage ● Wie viele Brötchen werden wohl morgen verkauft? ● Wie viele Touristen und Geschäftsreisende brauchen am xx.xx. ein Hotel in unserer Stadt? ● Wieviele Menschen wollen am xx.xx. von A nach B fliegen?
N. Fuhr, U. Duisburg-Essen Einführung Information Mining 5 Beispiele für Assoziationen ● Warenkorb-Analyse: Männer, die Windeln einpacken, kaufen häufig auch Bier ● Analyse der Transaktionen von Kreditkarten, Kundenkarten, Payback-Karten
N. Fuhr, U. Duisburg-Essen Einführung Information Mining 6 Clustering ● Clustering von Kunden entsprechend Ihrem Konsumverhalten ● Dokumenten-Clustering nach inhaltlicher Ähnlichkeit
N. Fuhr, U. Duisburg-Essen Einführung Information Mining 7 Zusammenfassung ● Data-Mining-Anwendungen finden sich hauptsächlich im Handel und im Dienstleistungsbereich ● Gute Vorhersagen führen zu besserer Auslastung der begrenzten Ressourcen (Personal, Kapital, Hotelzimmer, Flugzeuge,...) und erhöhen dadurch die Wirtschaftlichkeit. -> yield management