C4.5: Programe pentru învățarea automată

Recenzii ale cititorilor

Cartea este considerată un clasic pentru utilizatorii serioși ai algoritmului arborelui de decizie C4.5 și ai succesorilor săi comerciali, See5 și C5.0. Oferă o explicație completă a metodei C4.5, include o listă completă a codului sursă și oferă o perspectivă asupra aplicării practice a arborilor de decizie în extragerea datelor și învățarea automată. Cu toate acestea, recenzenții notează că este oarecum scumpă și puternic axată pe cod, ceea ce poate diminua din discuțiile teoretice pe care unii cititori le sperau. Există, de asemenea, sugestii pentru o ediție actualizată care acoperă algoritmul C5.0 mai cuprinzător.

⬤ Resursă inestimabilă pentru utilizatorii serioși de C
⬤ 5 și succesorii săi
⬤ descriere clară și detaliată a algoritmului C
⬤ 5 și a aplicațiilor practice
⬤ include codul sursă complet
⬤ perspicace pentru construcția arborilor de decizie.

⬤ Oarecum scumpă
⬤ mai mult de jumătate din carte este dedicată codului C
⬤ 5, reducând potențial conținutul teoretic
⬤ dorința pentru o ediție actualizată care să acopere C
⬤ 0.

(pe baza a 4 recenzii ale cititorilor)

Titlul original:

C4.5: Programs for Machine Learning

Conținutul cărții:

Sistemele de clasificare joacă un rol major în învățarea automată și în sistemele bazate pe cunoaștere, iar lucrările lui Ross Quinlan privind ID3 și C4. 5 este larg recunoscută ca având unele dintre cele mai semnificative contribuții la dezvoltarea acestora. Această carte este un ghid complet pentru sistemul C4. 5 implementat în C pentru mediul UNIX. Ea conține un ghid complet de utilizare a sistemului, codul sursă (aproximativ 8.800 de linii) și note de implementare.

C4. 5 începe cu seturi mari de cazuri aparținând unor clase cunoscute. Cazurile, descrise prin orice amestec de proprietăți nominale și numerice, sunt analizate pentru a găsi modele care să permită discriminarea fiabilă a claselor. Aceste tipare sunt apoi exprimate ca modele, sub formă de arbori de decizie sau seturi de reguli „dacă-atunci”, care pot fi utilizate pentru a clasifica cazuri noi, cu accent pe faptul că modelele trebuie să fie inteligibile și precise. Sistemul a fost aplicat cu succes la sarcini care implică zeci de mii de cazuri descrise prin sute de proprietăți. Cartea pornește de la metode simple de învățare de bază și arată cum pot fi acestea elaborate și extinse pentru a face față unor probleme tipice, cum ar fi datele lipsă și supraaprecierea. Avantajele și dezavantajele abordării C4. 5 sunt discutate și ilustrate cu mai multe studii de caz.

Această carte ar trebui să fie de interes pentru dezvoltatorii de sisteme inteligente bazate pe clasificare și pentru studenții de la cursurile de învățare automată și sisteme expert.