Este libro presenta una propuesta relacionada con las tareas de clasificacion del aprendizaje automatico. La propuesta abarca los distintos niveles necesarios para disenar e implementar un multiclasificador que posee la habilidad de procesar datos con informacion imperfecta. La intencion ha sido presentar un clasificador que mantenga un alto grado de precision con datos crisp y que tambien sea capaz de procesar datos fuzzy, manteniendo un buen rendimiento ante datos missing y diferentes tipos de ruido. Para lograrlo se han empleado tecnicas de soft computing (especialmente la logica fuzzy) generando algoritmos, metodos y procedimientos que se han conjuntado en una propuesta metodologica que hemos llamado Fuzzy Random Forest. Tambien se han planteado una amplia variedad de metodos de combinacion para trabajar con Fuzzy Random Forest. Fuzzy Random Forest esta inspirado en la metodologia Random Forest de Breiman, sin embargo los dos elementos principales que lo conforman son: un arbol fuzzy, como clasificador base, en el que se introducen elementos aleatorios y los metodos de combinacion que fusionan la informacion o votos de cada arbol.