Leserbewertungen
Zusammenfassung:Das Buch gilt als Klassiker für ernsthafte Nutzer des C4.5-Entscheidungsbaumalgorithmus und seiner kommerziellen Nachfolger See5 und C5.0. Es bietet eine gründliche Erläuterung der C4.5-Methode, enthält eine vollständige Quellcode-Liste und gibt Einblicke in die praktische Anwendung von Entscheidungsbäumen im Data Mining und maschinellen Lernen. Die Rezensenten merken jedoch an, dass das Buch etwas teuer ist und sich stark auf den Code konzentriert, was den theoretischen Diskussionen, die sich einige Leser erhofft haben, abträglich sein könnte. Es gibt auch Vorschläge für eine aktualisierte Ausgabe, die den C5.0-Algorithmus umfassender behandelt.
Vorteile:⬤ Unschätzbare Ressource für ernsthafte Anwender von C
⬤ 5 und seinen Nachfolgern
⬤ klare und detaillierte Beschreibung des C
⬤ 5-Algorithmus und der praktischen Anwendungen
⬤ enthält vollständigen Quellcode
⬤ aufschlussreich für die Konstruktion von Entscheidungsbäumen.
⬤ Etwas teuer
⬤ mehr als die Hälfte des Buches ist dem C
⬤ 5 Code gewidmet, was den theoretischen Inhalt möglicherweise reduziert
⬤ Wunsch nach einer aktualisierten Ausgabe, die C
⬤ 0 abdeckt.
(basierend auf 4 Leserbewertungen)
Originaltitel:
C4.5: Programs for Machine Learning
Inhalt des Buches:
Klassifizierungssysteme spielen eine wichtige Rolle beim maschinellen Lernen und bei wissensbasierten Systemen, und die Arbeit von Ross Quinlan an ID3 und C4. 5 wird weithin anerkannt, dass er einige der wichtigsten Beiträge zu ihrer Entwicklung geleistet hat. Dieses Buch ist ein vollständiger Leitfaden für das C4. 5-System, wie es in C für die UNIX-Umgebung implementiert ist. Es enthält einen umfassenden Leitfaden für die Verwendung des Systems, den Quellcode (etwa 8.800 Zeilen) und Hinweise zur Implementierung.
C4. 5 beginnt mit großen Mengen von Fällen, die zu bekannten Klassen gehören. Die Fälle, die durch eine beliebige Mischung aus nominalen und numerischen Eigenschaften beschrieben werden, werden auf Muster untersucht, die eine zuverlässige Unterscheidung der Klassen ermöglichen. Diese Muster werden dann als Modelle in Form von Entscheidungsbäumen oder Wenn-dann-Regeln ausgedrückt, die zur Klassifizierung neuer Fälle verwendet werden können, wobei der Schwerpunkt darauf liegt, die Modelle sowohl verständlich als auch genau zu machen. Das System wurde erfolgreich bei Aufgaben mit Zehntausenden von Fällen eingesetzt, die durch Hunderte von Eigenschaften beschrieben wurden. Das Buch geht von einfachen Kernlernmethoden aus und zeigt, wie sie ausgearbeitet und erweitert werden können, um mit typischen Problemen wie fehlenden Daten und Übertreffern umzugehen. Die Vor- und Nachteile des C4. 5-Ansatzes werden diskutiert und mit mehreren Fallstudien illustriert.
Dieses Buch dürfte für Entwickler von klassifikationsbasierten intelligenten Systemen und für Studenten in Kursen über maschinelles Lernen und Expertensysteme von Interesse sein.
Weitere Daten des Buches:
| ISBN: | 9781558602380 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 1992 |
| Seitenzahl: | 302 |
Kauf:
Derzeit verfügbar, auf Lager.
