C4.5: Programmi per l'apprendimento automatico

Recensioni dei lettori

Il libro è considerato un classico per gli utenti seri dell'algoritmo di alberi decisionali C4.5 e dei suoi successori commerciali, See5 e C5.0. Offre una spiegazione approfondita del metodo C4.5, include un elenco completo del codice sorgente e fornisce approfondimenti sull'applicazione pratica degli alberi decisionali nel data mining e nell'apprendimento automatico. Tuttavia, i recensori notano che il libro è un po' costoso ed è fortemente incentrato sul codice, il che potrebbe sminuire le discussioni teoriche che alcuni lettori speravano di trovare. Si suggerisce anche un'edizione aggiornata che copra l'algoritmo C5.0 in modo più completo.

⬤ Una risorsa inestimabile per gli utenti seri di C
⬤ 5 e dei suoi successori
⬤ descrizione chiara e dettagliata dell'algoritmo C
⬤ 5 e delle applicazioni pratiche
⬤ include il codice sorgente completo
⬤ perspicace per la costruzione di alberi decisionali.

⬤ Un po' costoso
⬤ oltre la metà del libro è dedicata al codice C#5, riducendo potenzialmente il contenuto teorico
⬤ desiderio di un'edizione aggiornata che copra C
⬤ 0.

(basato su 4 recensioni dei lettori)

Titolo originale:

C4.5: Programs for Machine Learning

Contenuto del libro:

I sistemi di classificazione svolgono un ruolo fondamentale nell'apprendimento automatico e nei sistemi basati sulla conoscenza e il lavoro di Ross Quinlan su ID3 e C4. 5 è ampiamente riconosciuto come uno dei contributi più significativi al loro sviluppo. Questo libro è una guida completa al sistema C4. 5 implementato in C per l'ambiente UNIX. Contiene una guida completa all'uso del sistema, il codice sorgente (circa 8.800 righe) e le note di implementazione.

C4. 5 parte da grandi insiemi di casi appartenenti a classi note. I casi, descritti da una qualsiasi combinazione di proprietà nominali e numeriche, vengono esaminati alla ricerca di modelli che consentano di discriminare le classi in modo affidabile. Questi schemi vengono poi espressi come modelli, sotto forma di alberi decisionali o di insiemi di regole if-then, che possono essere utilizzati per classificare nuovi casi, con particolare attenzione a rendere i modelli comprensibili e accurati. Il sistema è stato applicato con successo a compiti che coinvolgono decine di migliaia di casi descritti da centinaia di proprietà. Il libro parte da semplici metodi di apprendimento di base e mostra come possono essere elaborati ed estesi per affrontare problemi tipici come i dati mancanti e l'over hit. Vantaggi e svantaggi dell'approccio C4. 5 sono discussi e illustrati con diversi casi di studio.

Questo libro dovrebbe essere di interesse per gli sviluppatori di sistemi intelligenti basati sulla classificazione e per gli studenti dei corsi di apprendimento automatico e di sistemi esperti.