Florestas de decisão C4.5

Grande parte da atenção anterior em árvores de decisão concentra-se nos critérios de divisão e na otimização dos tamanhos das árvores. O dilema entre overfitting e alcançar a máxima precisão raramente é resolvido. Propomos um método para construir um classificador baseado em árvore de decisão que mantém a maior precisão nos dados de treinamento e melhora a precisão de generalização à medida que cresce em complexidade. As árvores são geradas usando o conhecido algoritmo C4.5, e o classificador consiste em múltiplas árvores construídas em subespaços selecionados pseudoaleatoriamente do espaço de características dado. Comparamos o método com classificadores de árvore única e outros métodos de construção de florestas por meio de experimentos em quatro conjuntos de dados públicos, onde a superioridade do método é demonstrada. Uma medida é fornecida para descrever a similaridade entre árvores em uma floresta, relacionada à precisão combinada da classificação.