C4.5: Programas para el aprendizaje automático

Opiniones de los lectores

El libro se considera un clásico para los usuarios serios del algoritmo de árbol de decisión C4.5 y sus sucesores comerciales, See5 y C5.0. Ofrece una explicación exhaustiva del método C4.5, incluye un listado completo del código fuente y proporciona información sobre la aplicación práctica de los árboles de decisión en la minería de datos y el aprendizaje automático. Sin embargo, los críticos señalan que es un poco caro y muy centrado en el código, lo que puede restar valor a los debates teóricos que algunos lectores esperaban. También se sugiere una edición actualizada que cubra el algoritmo C5.0 de forma más exhaustiva.

⬤ Recurso inestimable para usuarios serios de C
⬤ 5 y sus sucesores
⬤ descripción clara y detallada del algoritmo C
⬤ 5 y aplicaciones prácticas
⬤ incluye código fuente completo
⬤ perspicaz para la construcción de árboles de decisión.

⬤ Algo caro
⬤ más de la mitad del libro está dedicado al código C
⬤ 5, reduciendo potencialmente el contenido teórico
⬤ deseo una edición actualizada que cubra C
⬤ 0.

(basado en 4 opiniones de lectores)

Título original:

C4.5: Programs for Machine Learning

Contenido del libro:

Los sistemas clasificadores desempeñan un papel fundamental en el aprendizaje automático y los sistemas basados en el conocimiento, y el trabajo de Ross Quinlan sobre ID3 y C4. 5 es ampliamente reconocido por haber realizado algunas de las contribuciones más significativas a su desarrollo. Este libro es una guía completa del sistema C4. 5 implementado en C para el entorno UNIX. Contiene una completa guía de uso del sistema, el código fuente (unas 8.800 líneas) y notas de implementación.

C4. 5 parte de grandes conjuntos de casos pertenecientes a clases conocidas. Los casos, descritos mediante cualquier combinación de propiedades nominales y numéricas, se examinan en busca de patrones que permitan discriminar las clases de forma fiable. A continuación, estos patrones se expresan como modelos, en forma de árboles de decisión o conjuntos de reglas si-entonces, que pueden utilizarse para clasificar nuevos casos, haciendo hincapié en que los modelos sean comprensibles además de precisos. El sistema se ha aplicado con éxito a tareas que implicaban decenas de miles de casos descritos por cientos de propiedades. El libro parte de métodos de aprendizaje básicos y sencillos y muestra cómo pueden elaborarse y ampliarse para hacer frente a problemas típicos como la falta de datos y el exceso de aciertos. Las ventajas e inconvenientes del método C4. 5 y se ilustran con varios casos prácticos.

Este libro debería interesar a los desarrolladores de sistemas inteligentes basados en la clasificación y a los estudiantes de cursos de aprendizaje automático y sistemas expertos.