|
|
| [참고서] R을 활용한 기계 학습 (acorn PACKT 시리즈) [절판] |
|
|
| | | ㆍ판매가 | 35,000 원 (0%, 0 원 할인) | | | | | | | ㆍ456 쪽 | 190*260*19mm | ISBN : 9788960776135 | | |
|
|
|
|   | 이 책은 R이 제공하는 다양한 확률, 통계 기법을 모두 사용할 수 있을 뿐만 아니라 사용법도 쉽기 때문에 누구나 데이터를 분석하고 예측할 수 있게 한다. 손쉬운 CRAN을 통해 라이브러리를 설치는 다양한 라이브러리가 필요한 기계 학습에 매우 적합하다. 저자는 다양하고 흥미로운 실제 연구 데이터로 예제를 만들어 화려한 기법 소개보다 정확한 개념과 과정을 설명함으로써 어려운 개념을 쉽게 이해할 수 있게 한다. |
 1장 기계 학습 소개
__기계 학습의 기원
__기계 학습의 사용과 남용
____윤리성 고려
__기계는 어떻게 학습하는가?
____추상화와 지식의 표현성
____일반화
____학습 성공하기
__데이터에 기계 학습을 적용하는 단계
__기계 학습 알고리즘 선택
____입력 데이터에 대한 고려
____기계 학습 알고리즘의 종류에 대한 의견
____데이터에 맞는 적당한 알고리즘 선정
__기계 학습을 위한 R 사용
____R 패키지 설치와 로딩
________R 패키지 설치
________point-and-click 인터페이스로 패키지 설치
________R 패키지 로드
__정리
2장 데이터 관리와 이해
__R의 데이터 구조
__벡터
__팩터
____리스트
____데이터 프레임
____매트릭스와 어레이
__R과 데이터 관리
____R 데이터 구조로 로드와 저장
____CSV 파일의 데이터 임포트와 저장
____SQL 데이터베이스로부터 데이터 임포트
__데이터 이해와 탐험
____데이터 구조 살펴보기
____수치 변수 살펴보기
______중심 경향 측정: 평균과 중앙값
______퍼짐 측정: 사분위수와 5개 수의 요약
______수치 변수 시각화: boxplots
______수치 변수 시각화: 히스토그램
______수치 데이터의 이해: 단일 분포와 정규 분포
______퍼짐 측정: 분산과 표준 편차
____범주형 변수 살펴보기
______중심 경향 측정: 최빈값
____변수 사이 관계 살펴보기
______관계 시각화: 산점도
______관계 살펴보기: 이원 교차표
__정리
3장 게으른 학습: 최근접 이웃을 사용한 분류
__최근접 이웃을 사용한 분류의 이해
____kNN 알고리즘
______거리 계산
______적당한 k 선택
______kNN을 사용하기 위한 데이터 준비
____왜 kNN 알고리즘은 게으른가?
__kNN 알고리즘과 유방암 진찰
____1단계: 데이터 수집
____2단계: 데이터 준비와 탐구
______변환: 수치 데이터 정규화하기
______데이터 전처리: 훈련과 테스트 데이터 만들기
____3단계: 데이터에 적용해 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 높이기
______변환: z 점수 표준화
______k의 대안적인 값 테스트
__정리
4장 확률론적 학습: 나이브 베이즈를 사용한 분류
__나이브 베이즈 이해
____베이지안 기법의 기본적인 개념
______확률
______조건부 확률
______베이즈 이론과 조건 확률
____나이브 베이즈 알고리즘
______나이브 베이즈 분류
______라플라스 추정기
______나이브 베이즈와 수치 속성 사용
______예제: 나이브 베이즈로 핸드폰 스팸 제거
____1단계: 데이터 모으기
____2단계: 데이터 준비와 탐구
____데이터 준비: 분석을 위한 텍스트 데이터 처리
______데이터 준비: 훈련과 테스트 데이터셋 생성
______텍스트 데이터 시각화: 단어 클라우드
______데이터 준비: 빈도 단어에 대한 지표 속성 생성
____3단계: 데이터를 적용해 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 향상
__정리
5장 분할 정복: 결정 트리와 규칙을 사용한 분류
__결정 트리 이해
____나누어 정복하기
____C5.0 결정 트리 알고리즘
______최적의 구분 선택
______결정 트리 가지치기
__예제: C5.0 결정 트리를 사용한 위험 은행 대출 확인
____1단계: 데이터 수집
____2단계: 데이터 준비와 탐구
______데이터 준비: 임의의 훈련 데이터와 테스트 데이터 생성
____3단계: 데이터에 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델의 성능 향상
______결정 트리의 정확도 향상
______다른 것보다 좀 더 고비용 실수를 만들기
__분류 규칙 이해
____구분해 정복하기
____One Rule 알고리즘
____RIPPER 알고리즘
____결정 트리로부터 규칙
__예제: 규칙 학습기로 독버섯 식별
____1단계: 데이터 수집
____2단계: 데이터 준비와 탐구
____3단계: 데이터에 대해 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 향상
__정리
6장 수치 데이터 예측: 회귀 기법
__회귀 이해
____단순 선형 회귀
____정규 최소 제곱 추정
____상관관계
____다중 선형 회귀
__예제: 선형 회귀를 사용한 의료비 예측
____1단계: 데이터 수집
____2단계: 데이터 준비와 탐구
______속성 간의 관계 살펴보기: 상관관계 매트릭스
______속성 간의 관계 시각화: 산점도 매트릭스
____3단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
|
|
|  | 현재 R을 활용한 기계 학습 (acorn PACKT 시리즈)에 등록된 서평이 없습니다. |  |
|
|
|
