داده‏کاوی فرایند کشف کردن الگوهای معتبر، جدید و قابل فهم از داده می‏باشد به طوریکه این الگوها قابل کاربرد و قابل استفاده در تصمیم‏گیری‏های تجاری باشند. از آنجایی که اغلب تکنیک‏های داده‏کاوی بر استخراج کردن الگوها و توالی‏های مکرر از داده تمرکز می‏کنند و به قابل کاربرد بودن این الگوها در تصمیم‏گیری‏های تجاری توجه نمی‏کنند، شکافی بین الگوهای کشف شده توسط آنها و انتظارات تجاری کاربران ایجاد شده است.به منظور پر کردن این شکاف و در جهت گسترش داده‏کاوی به کاربردهای جهان واقع، متدهای کشف کردن دانش قابل کاربرد بوجود آمده‏اند.تاکنون کارهای محدودی در زمینهکشف کردن دانش قابل کاربرد انجام شده است که تمامی آن‏ها فرض را بر قطعی بودن داده نهاده‏اند. از آنجاکه در اغلب و شاید تمام سناریوهای جهان واقع، هیچ‏گاه مقادیر کاملاً قطعی وجود ندارد، این روش‏ها، منجر به ارائه دانش ناکامل و نادقیق می‏شوند. در این پروژه به منظور رفع مشکلات ذکر شده از تئوری فازی استفاده می‏شود و ایده‏ی ترکیب کردن آن با دانش قابل کاربرد معرفیمی‏شود. بدین منظور و در جهت بهبود تنها روش موجود برای استخراج کنش(متد جستجو برگ-گره)،کنش فازیمعرفیمی‏شود. همچنین تابعی برای برآورد سود خالص حاصل از هر کنش فازی ارائه می‏شود ومتدیبرای کاوشکنش فازی مقرون به صرفه به منظور کاهش میزان تعلقیک موجودیت مشخص به موقعیت نامطلوب و افزایش میزان تعلق آن به موقعیت مطلوب‏تر در حالیکه سود خالص بیشینه شود، پیشنهاد می‏شود.این متد در فرآیند پس پردازش خودکار، کنش‏های فازی مقرون به صرفه را از درخت تصمیم‏گیری فازی استخراج می‏کند. در انتها کارایی متد ارائه شده با بکارگیری آن و بکارگیری متد جستجو برگ-گره، روی چهار پایگاه داده‏ی عمومیuci نشان داده می‏شود. در این مرحله یکبار خصوصیات عددی هر پایگاه داده و بار دیگر همه خصوصیات آن در نظر گرفته می‏شود. با ارزیابی‏های انجام شده نشان داده می‏شودکه روش پیشنهادی از نظر تعداد کنش‏های پیشنهادی، سود کل خالص آن‏ها و متوسط سود هر کنش به مقدار قابل توجهی کاراترمی‏باشد.