Avis des lecteurs
Résumé:Ce livre est considéré comme un classique pour les utilisateurs sérieux de l'algorithme d'arbre de décision C4.5 et de ses successeurs commerciaux, See5 et C5.0. Il offre une explication approfondie de la méthode C4.5, comprend une liste complète du code source et donne un aperçu de l'application pratique des arbres de décision dans l'exploration de données et l'apprentissage automatique. Toutefois, les évaluateurs notent que l'ouvrage est quelque peu coûteux et fortement axé sur le code, ce qui peut nuire aux discussions théoriques que certains lecteurs espéraient. Des suggestions ont également été formulées en faveur d'une édition mise à jour qui couvrirait l'algorithme C5.0 de manière plus complète.
Avantages:⬤ Ressource inestimable pour les utilisateurs sérieux de C
⬤ 5 et de ses successeurs
⬤ description claire et détaillée de l'algorithme C
⬤ 5 et de ses applications pratiques
⬤ inclut le code source complet
⬤ perspicace pour la construction d'arbres de décision.
⬤ Un peu cher
⬤ plus de la moitié du livre est consacrée au code C
⬤ 5, ce qui réduit potentiellement le contenu théorique
⬤ souhait d'une édition mise à jour couvrant le C
⬤ 0.
(basé sur 4 avis de lecteurs)
Titre original :
C4.5: Programs for Machine Learning
Contenu du livre :
Les systèmes de classification jouent un rôle majeur dans l'apprentissage automatique et les systèmes basés sur la connaissance, et les travaux de Ross Quinlan sur ID3 et C4. 5 sont largement reconnus comme ayant apporté certaines des contributions les plus significatives à leur développement. Ce livre est un guide complet du système C4. 5 tel qu'il est implémenté en C pour l'environnement UNIX. Il contient un guide complet de l'utilisation du système, le code source (environ 8 800 lignes) et des notes d'implémentation.
C4. 5 commence par de grands ensembles de cas appartenant à des classes connues. Les cas, décrits par un mélange de propriétés nominales et numériques, sont examinés à la recherche de modèles qui permettent de discriminer les classes de manière fiable. Ces modèles sont ensuite exprimés sous la forme d'arbres de décision ou d'ensembles de règles « si », qui peuvent être utilisés pour classer de nouveaux cas, l'accent étant mis sur la compréhension et la précision des modèles. Le système a été appliqué avec succès à des tâches impliquant des dizaines de milliers de cas décrits par des centaines de propriétés. Le livre part de méthodes d'apprentissage de base simples et montre comment elles peuvent être élaborées et étendues pour traiter des problèmes typiques tels que les données manquantes et le surnombre. Les avantages et les inconvénients de l'approche C4. 5 sont discutés et illustrés par plusieurs études de cas.
Ce livre devrait intéresser les développeurs de systèmes intelligents basés sur la classification et les étudiants en apprentissage automatique et en systèmes experts.
Autres informations sur le livre :
| ISBN : | 9781558602380 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 1992 |
| Nombre de pages : | 302 |
Achat:
Actuellement disponible, en stock.
