Modellering van vaagheid en onzekerheid.

Enerzijds modelleren fuzzy sets vage informatie: zij erkennen dat het behoren tot bepaalde concepten (b.v. een "relevante" internetbron zijn), of de logische waarheid van bepaalde proposities, een kwestie van graad is. Fuzzy sets hebben hun weg gevonden naar talrijke toepassingsgebieden, zoals engineering en controletheorie, databases en information retrieval, data-analyse, enz. Anderzijds zijn ruwe verzamelingen afkomstig uit het domein van het machinaal leren (ML), en behandelen zij onvolledige informatie: dit doet zich voor wanneer de beschikbare kenmerkverzameling die gegevens monsters niet volstaat om ze van elkaar te onderscheiden. Aangezien veel concepten niet onder deze omstandigheden niet exact kunnen worden gerepresenteerd, worden zij benaderd van onderaf en van bovenaf, met gebruikmaking van de equivalentieklassen van de ononderscheidbaarheidsrelatie als informatieblokken. Fuzzy sets en rough sets zijn zeer complementaire formalismen, en hun hybridisatie, die zich richt op de benadering van een (potentieel vaag) concept met behulp van een fuzzy relatie, is bijzonder succesvol gebleken in ML-toepassingen, waaronder data pre-processing (feature en instance selectie), alsmede classificatie taken.