Puntuación:
El libro es muy recomendable para aplicaciones prácticas en tareas de clasificación y toma de decisiones, y pone de relieve la eficacia de los modelos sencillos frente a los complejos en escenarios del mundo real. Proporciona valiosas ideas y ejemplos del mundo real para los profesionales.
Ventajas:⬤ Aboga por modelos sencillos y transparentes que suelen ser más precisos que los modelos complejos en tareas de clasificación del mundo real.
⬤ Contiene ideas prácticas y ejemplos del mundo real.
⬤ Adecuado para un público profesional centrado en la toma de decisiones.
⬤ Explicaciones claras y concisas.
⬤ Ofrece herramientas para mejorar la vida a través de una mejor toma de decisiones.
⬤ Puede no resultar atractivo para quienes buscan discusiones académicas en profundidad.
⬤ Algunos lectores pueden preferir técnicas avanzadas y modelos complejos que el libro critica.
(basado en 4 opiniones de lectores)
Classification in the Wild: The Science and Art of Transparent Decision Making
Reglas para construir modelos formales que utilicen heurísticas rápidas y frugales, extendiendo el estudio psicológico de la clasificación al mundo real de la incertidumbre.
Este libro se centra en la clasificación -asignación de objetos a categorías- "en la naturaleza", en situaciones del mundo real y lejos de la certidumbre del laboratorio. En la naturaleza, a diferencia de los experimentos psicológicos típicos, no se puede conocer el futuro y la incertidumbre no puede reducirse de forma significativa a la probabilidad.
Conectando la ciencia de la heurística con el aprendizaje automático, el libro muestra cómo crear modelos formales utilizando reglas de clasificación que son sencillas, rápidas y transparentes y que pueden ser tan precisas como los algoritmos matemáticamente sofisticados desarrollados para el aprendizaje automático.
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)