상세정보

기계학습의 12개 기법을 대한 훌륭한 사례들이 담겨 있는 책. 이론을 설명하는 대신 과정에 초점을 맞췄기 때문에, 프로그래밍을 조금 할 줄 알고 정량적으로 사고할 줄 아는 사람이면 누구나 이해하기 쉽다. 각 장은 분류, 예측, 최적화, 추천 문제와 같이 기계학습의 특정 문제들에 초점을 맞춘다. 독자들은 R 프로그래밍 언어를 사용해서 샘플 데이터를 분석하는 법과 간단한 기계학습 알고리즘을 작성하는 법을 배우게 될 것이다.

들여다보고, 쪼개보고, 직접 만들며 배우는 데이터 분석
프로그래밍 경력이 있고 데이터 처리에 관심이 있다면, 이 책으로 기계학습을 배워보도록 하자. 이 책에는 기계학습의 12개 기법을 대한 훌륭한 사례들이 담겨 있다. 이론을 설명하는 대신 과정에 초점을 맞췄기 때문에, 프로그래밍을 조금 할 줄 알고 정량적으로 사고할 줄 아는 사람이면 누구나 이해하기 쉽다.
각 장은 분류, 예측, 최적화, 추천 문제와 같이 기계학습의 특정 문제들에 초점을 맞춘다. 독자들은 R 프로그래밍 언어를 사용해서 샘플 데이터를 분석하는 법과 간단한 기계학습 알고리즘을 작성하는 법을 배우게 될 것이다. 경영, 행정, 학문 연구 등 여러 배경의 프로그래머들이 '기계학습'을 배우는 이상적인 책이다.

*책에서 다루는 내용
- 이메일 텍스트를 분석하는 단순 베이즈 분류기를 작성해서 스팸 여부 알아내기
- 선형 회귀를 이용해서 상위 1,000등 웹사이트의 페이지뷰 예측하기
- 최적화 기법을 이용해서 간단한 문자 암호 해독하기
- 미국 상원의원 들의 투표기록을 이용해서 통계적으로 비교, 대조하기
- 트위터 데이터를 활용해서 "팔로우 추천" 시스템 구축하기

정보제공 :

1장 R 사용하기 
_1.1 기계학습을 위한 R 
__1.1.1 R 다운로드와 설치 
__1.1.2 IDE와 텍스트 편집기 
__1.1.3 R 패키지 설치 및 로드하기 
__1.1.4 기계학습을 위한 R 기초 
__1.1.5 R에 대해 더 읽을거리 
2장 데이터 탐색(data exploration) 
_2.1 탐색(exploration) 대 확증(confirmation) 
_2.2 데이터란 무엇인가? 
_2.3 열의 데이터 형식 알아내기 
_2.4 의미 추측 
_2.5 수치요약 
_2.6 평균값, 중앙값, 최빈값(mode) 
_2.7 분위수(Quantile) 
_2.8 표준편차와 분산 
_2.9 탐색적 데이터 시각화 
_2.10 열 간 관계성을 시각화하기 
3장 분류: 스팸 필터 
_3.1 이것 아니면 저것: 이항 분류 
_3.2 조건부 확률을 찬찬히 알아보기 
_3.3 베이즈 스팸 분류기 개발 
__3.3.1 분류기를 정의하고 고난도 햄 데이터로 검증하기 
__3.3.2 모든 이메일 종류에 대해 분류기 검증 
__3.3.3 결과 개선 
4장 순위 매기기: 자동 분류함(priority inbox 
_4.1 순서를 모르는 대상을 어떻게 정렬할까? 
_4.2 이메일 메시지를 우선순위에 따라 정렬하기 
__4.2.1 이메일의 우선순위 특성 
_4.3 자동분류함 작성 
__4.3.1 특성값 추출을 위한 함수들 
__4.3.2 등급을 위한 가중치 설정법 
__4.3.3 이메일 스레드 활동에 대한 가중치 설정 
__4.3.4 학습 및 검증 
5장 회귀 모형: 페이지 방문 수 예측 
_5.1 회귀 소개 
__5.1.1 기본 모형 
__5.1.2 가변수를 활용한 회귀 
__5.1.3 선형 회귀 간단 설명 
_5.2 웹 트래픽 예측 
_5.3 상관계수 정의 
6장 정규화: 텍스트 회 
_6.1 데이터 열 사이의 비선형 관계: 직선을 넘어서 
__6.1.1 다항식 회귀 소개 
_6.2 과대적합을 막는 방법 
__6.2.1 정규화를 이용한 과대적합 방지 
_6.3 텍스트 회귀 
__6.3.1 로지스틱 회귀로 빠져나가기 
7장 최적화: 암호 해 
_7.1 최적화에 대한 소개 
_7.2 능선 회귀(Ridge Regression) 
_7.3 최적화로 암호해독하기 
8장 PCA: 주가 지수 작성 
_8.1 자율학습(Unsupervised Learning) 
9장 MDS: 미국 상원의원 유사성을 시각적으로 탐색하 
_9.1 유사성에 기반한 군집화 
__9.1.1 다차원 척도법과 거리 측도에 대한 간략 소개 
_9.2 미 상원의원들은 어떻게 뭉쳐있는가? 
__9.2.1 미국 상원 기명 투표 데이터 
10장 kNN: 추천 시스템 
_10.1 k-근접 이웃 알고리즘 
_10.2 R 패키지 설치 데이터 
11장 소셜 네트워크 분 
_11.1 소셜 네트워크 분석 
__11.1.1 네트워크로 생각하기 
_11.2 트위터 소셜 네트워크 데이터 해킹하기 
__11.2.1 구글 소셜그래프(SocialGraph) API 다루기 
_11.3 트위터 네트워크 분석 
__11.3.1 지역 군집 구조(Local Community Structure) 
__11.3.2 Gephi로 트위터 네트워크 군집 시각화하기 
__11.3.3 자신만의 “팔로우 추천” 엔진 제작하기 
12장 모형 비교 
_12.1 SVM: 지지벡터기계 
_12.2 알고리즘 비교 
인용된 문헌 
찾아보기