Interesanta problema. 

 
Referitor la punctul 3: DM este de fapt doar un pas dintr-un demers de Knowledge Discovery; este precedat de selectarea, curatarea si preprocesarea datelor si urmat de extragerea cunostintelor aflate. Este insa un abuz de limbaj (practicat de unii autori) in care DM este vazut ca sinonim pentru KDD; poate acelasi tip de abuz prin care KDD = Business Intelligence - dar KDD se aplica si in astronomie sau genetica sau domeniu social sau medicina sau...

Extragerea de cunostinte poate sa se refere la construirea unui model (sau a unui set de legi cu caracter local = patternuri) sau la construirea unui predictor (clasificator, estimator de probabilitate conditionata sau estimator de functie). De multe ori ca rezultat al unui demers de KDD obtii o "cutie neagra" (e.g. retele neurale) pentru care optional poti face un "reverse engineering" (dar nu e obligatoriu si multi se multumesc cu "cutia"). Deci as zice ca extragerea regulilor are un sens mai restrans decat extragere de cunostinte - ele reprezinta cel mai simplu si intuitiv mod de reprezentare de cunostinte. Este si motivul pentru care AD sunt preferati in KDD - regulile se obtin mai simplu decat in alte moduri.

Parerea mea la punctul 1: extragere de cunostinte in AD = extragere de reguli in AD.  Dar pentru altceva decat AD, am relatie de incluziune.

 
Lucian