상세정보

01 시작하기 

1 책의 내용 미리보기 

2 책의 구성 살펴보기 

3 이 책은 누구를 위한 책인가? 

4 머신러닝을 위한 준비물: 파이썬(Python)



02 머신러닝 개요 

1 머신러닝이란? 

2 머신러닝의 작동 원리 

3 머신러닝 프로세스 



03 회귀 

1 선형회귀모델링 

2 선형회귀모델 평가하기 

3 다른 특징들도 고려하기 

4 회귀모델의 응용 사례 

5 회귀모델 프로세스 이해하기 



04 회귀모델 실습: 집 가격 예측하기 

1 문제 정의하기 

2 라이브러리 불러오기 

3 데이터 수집하기 

4 데이터 탐색하기 

5 모델링하기 



05 지도학습과 분류 

1 분류기로 배우는 지도학습 

2 선형분류기 

3 결정경계 

4 모델 평가하기 

5 분류모델 프로세스 이해하기 



06 지도학습/분류 실습: 레스토랑 리뷰 분류하기 

1 문제 정의하기 

2 라이브러리 불러오기 

3 데이터 수집하기 

4 데이터 탐색하기 

5 전처리하기 

6 모델링하기 

7 성능 평가하기 



07 비지도학습/클러스터링 

1 문서 검색 

2 문서 유사도 검색을 위한 방법론 

3 유사한 문서 검색하기 

4 클러스터링 모델 

5 클러스터링 프로세스 이해하기



08 비지도학습/클러스터링 실습: 쇼핑몰 고객 그룹핑하기 

1 문제 정의하기 

2 라이브러리 불러오기 

3 데이터 수집하기 

4 데이터 탐색하기 

5 전처리하기 

6 모델링하기 



09 추천 

1 상품추천 

2 개인화 

3 분류 방법에 의한 추천시스템 

4 협업 필터링에 의한 추천시스템

5 행렬 분해 기반의 추천시스템 

6 추천시스템 평가하기 

7 추천시스템 프로세스 이해하기 



10 추천 실습: 사용자 맞춤 영화 추천하기 

1 문제 정의하기 

2 라이브러리 불러오기 

3 데이터 수집하기 

4 데이터 탐색하기 

5 전처리하기 

6 모델링하기



11 Case Studies 

Case Study 1: 야구장 관중 수 예측하기

1 문제 정의하기 

2 라이브러리 불러오기 

3 데이터 수집하기 

4 데이터 탐색하기 

5 데이터 전처리 

6 모델링하기 

7 모델 예측 결과 및 성능 평가 

Case Study 2: 전기 에너지 소비량 예측

1 문제 정의하기 

2 라이브러리 불러오기 

3 데이터 수집하기 

4 데이터 탐색하기 

5 데이터 전처리 

6 모델링하기 

7 모델 예측 결과 및 성능 평가 



부록 299

1 결정 트리(Decision Tree) 

2 랜덤 포레스트(Random Forest) 

3 에이다 부스트(Adaptive Boosting, AdaBoost) 

4 그래디언트 부스팅 머신(Gradient Boosting Machine, GBM) 

5 XGBoost(eXtreme Gradient Boosting) 

6 LightGBM(Light Gradient Boosting Machine)

정보제공 :