8. Finding Explanations

Im vorherigen Kapitel diskutierten wir Methoden, die Muster unterschiedlicher Form in Datensätzen finden. All diese Methoden benötigten Ähnlichkeitsmaße, um ähnliche Objekte zu gruppieren. In diesem Kapitel werden wir Methoden diskutieren, die ein ganz anderes Setup adressieren: Anstatt Struktur in einem Datensatz zu finden, konzentrieren wir uns jetzt auf Methoden, die Erklärungen für eine unbekannte Abhängigkeit innerhalb der Daten finden. Eine solche Suche nach einer Abhängigkeit konzentriert sich normalerweise auf ein sogenanntes Zielattribut, was bedeutet, dass wir uns besonders dafür interessieren, warum ein bestimmtes Attribut einen bestimmten Wert hat. Wenn das Zielattribut eine nominale Variable ist, sprechen wir von einem Klassifizierungsproblem; im Falle eines numerischen Wertes sprechen wir von einem Regressionsproblem. Beispiele für solche Probleme wären das Verständnis, warum eine Kundin zu der Kategorie von Menschen gehört, die ihr Konto storniert (z.B., sie in eine Ja / Nein-Kategorie einzuordnen) oder ein besseres Verständnis der Risikofaktoren von Kunden im Allgemeinen.