Un reciente trabajo publicado a finales del 2007 realiza un estudio de cuáles han sido los 10 algoritmos de Data Mining más exitosos. Según cuentan sus autores, entre los que se encuentran Ross Quinlan -creador de los míticos árboles de decisión ID3 y C4.5- la decisión se llevó a cabo según la opinión de los autores de los artículos premiados y los comités científicos de las conferencias más prestigiosas en Data Mining (IEEE ICDM y KDD), junto con el número de referencias al algoritmo en Google Scholar (mínimo 50).
Y los premiados son…
1. C4.5 (1993)
Quinlan, J. R. 1993. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers Inc.
Google Scholar Count in October 2006: 6907
2. K-Means (1967)
MacQueen, J. B., Some methods for classification and analysis of multivariate observations, in Proc. 5th Berkeley Symp. Mathematical Statistics and Probability, 1967, pp. 281-297.
Google Scholar Count in October 2006: 1579
3. SVM (1995)
Vapnik, V. N. 1995. The Nature of Statistical Learning Theory. Springer-Verlag New York, Inc.
Google Scholar Count in October 2006: 6441
4. Apriori (1994)
Rakesh Agrawal and Ramakrishnan Srikant. Fast Algorithms for Mining Association Rules. In Proc. of the 20th Int’l Conference on Very Large Databases (VLDB ’94), Santiago, Chile, September 1994.
Google Scholar Count in October 2006: 3639
5. EM (2000)
McLachlan, G. and Peel, D. (2000). Finite Mixture Models. J. Wiley, New York.
Google Scholar Count in October 2006: 848
6. PageRank (1998)
Brin, S. and Page, L. 1998. The anatomy of a large-scale hypertextual Web search engine. In Proceedings of the Seventh international Conference on World Wide Web (WWW-7) (Brisbane, Australia). P. H. Enslow and A. Ellis, Eds. Elsevier Science Publishers B. V., Amsterdam, The Netherlands, 107-117.
Google Shcolar Count: 2558
7. AdaBoost (1997)
Freund, Y. and Schapire, R. E. 1997. A decision-theoretic generalization of on-line learning and an application to boosting. J. Comput. Syst. Sci. 55, 1 (Aug. 1997), 119-139.
Google Scholar Count in October 2006: 1576
8. K Nearest Neighbours (1996)
Hastie, T. and Tibshirani, R. 1996. Discriminant Adaptive Nearest Neighbor Classification. IEEE Trans. Pattern Anal. Mach. Intell. (TPAMI). 18, 6 (Jun. 1996), 607-616.
Google SCholar Count: 183
9. Naive Bayes (??)
Hand, D.J., Yu, K., 2001. Idiot’s Bayes: Not So Stupid After All? Internat. Statist. Rev. 69, 385-398.
Google Scholar Count in October 2006: 51
10. CART (1984)
L. Breiman, J. Friedman, R. Olshen, and C. Stone. Classification and Regression Trees. Wadsworth, Belmont, CA, 1984.
Google Scholar Count in October 2006: 6078
Bueno bueno, mira tú dónde he caído.
Como en todo lo que hace, Sr. Dani, este blog desprende calidad por los 6 lados del monitor (sí, por detrás también). ¿O he de decir “ordenador”? Efectivamente, hemos de afrontar que para el 90% de los usuarios el monitor se llama ordenador y esa caja de ahí abajo se llama CPU, o directamente no se llama.
El caso, que me parece muy interesante esa clasificación entre otras cosas como curiosidad para conocer el año de origen de cada uno de los algoritmos.
No esperaba ver aquí mi frase “Más importante que saber, es parecer que sabes”, variante de la más famosa “No basta que la mujer del César sea honesta: tiene que parecerlo”. Seguramente muchas simplemente lo parecieron y hoy son mejor valoradas que las que lo fueron sin parecerlo. En el equilibrio está el tema.
Ánimo con el bló, que sabemos que empieza bien pero el tema es mantenerlo.
Un saludo!