소장자료검색

책소개

이 책은 IT 개발자 중에서 머신러닝 알고리즘을 공부하고 싶어하며 그 알고리즘 속에 포함된 이론을 이해하여 업무에 활용하고 싶어하는 독자를 대상으로 쓰여졌다. 머신러닝 기술은 여러모로 활용되겠지만 이 책은 '데이터 분석 결과를 업무 판단에 이용한다'라는 개념을 가지고 각종 알고리즘을 설명한다.

목차

▣ 01장: 데이터 과학과 머신러닝
1.1 업무상에서 데이터 과학이 하는 역할
1.2 머신러닝 알고리즘 분류
1.2.1 분류: 클래스 판정을 산출하는 알고리즘
1.2.2 회귀분석: 수치를 예측하는 알고리즘
1.2.3 클러스터링: 지도자 없이 그룹화하는 알고리즘
1.2.4 그 밖의 알고리즘
1.3 이 책에서 사용하는 예제
1.3.1 회귀분석에 의한 관측값 추측
1.3.2 선형판별에 의한 신규 데이터 분류
1.3.3 이미지 파일 감색 처리(대표색 추출)
1.3.4 손글씨 문자 인식
1.4 분석 도구 준비
1.4.1 이 책에서 사용할 데이터 분석 도구
1.4.2 실행 환경 설치 순서(CentOS 6)
1.4.3 실행 환경 설치 순서(Mac OS X)
1.4.4 실행 환경 설정 순서(Windows 7/8.1)
1.4.5 IPython 사용법

▣ 02장: 최소제곱법 - 머신러닝 이론의 첫 걸음
2.1 다항식 근사와 최소제곱법에 의한 추정
2.1.1 트레이닝 세트의 특징 변수와 목적 변수
2.1.2 다항식 근사와 오차함수 설정
2.1.3 오차함수를 최소화할 수 있는 조건
2.1.4 예제 코드로 확인한다
2.1.5 통계모델이라는 관점에서 최소제곱법이란
2.2 오버 피팅 검출
2.2.1 트레이닝 셋과 테스트 셋
2.2.2 테스트 셋으로 검증한 결과
2.2.3 교차 검증을 통해 일반화 능력을 검증한다
2.2.4 데이터 개수에 따른 오버 피팅 변화
2.3 부록 - 헤세행렬의 성질

▣ 03장: 최우추정법 - 확률을 사용한 추정 이론
3.1 확률 모델을 이용한다
3.1.1 데이터 발생 확률 설정
3.1.2 우도함수로 파라미터를 평가한다
3.1.3 예제 코드로 확인한다
3.2 단순한 예로 설명한다
3.2.1 정규분포의 파라메트릭 모델
3.2.2 예제 코드로 확인한다
3.2.3 추정량을 평가하는 방법(일치성과 불편성)
3.3 부록-표본평균·표본분산의 일치성과 불편성
3.3.1 표본평균·표본분산의 일치성과 불편성 증명
3.3.2 예제 코드로 확인한다

▣ 04장: 퍼셉트론 - 분류 알고리즘 기초
4.1 확률적 기울기 하강법 알고리즘
4.1.1 평면을 분할하는 직선의 방정식
4.1.2 오차함수를 사용하여 분류 결과를 평가한다
4.1.3 기울기 벡터로 파라미터를 수정한다
4.1.4 예제 코드로 확인한다
4.2 퍼셉트론을 기하학적으로 해석한다
4.2.1 바이어스 항의 임의성과 알고리즘 수렴 속도
4.2.2 퍼셉트론의 기하학적 해석
4.2.3 바이어스 항의 기하학적인 의미

▣ 05장: 로지스틱 회귀와 ROC 곡선 - 학습 모델을 평가하는 방법
5.1 분류 문제에 최우추정법을 적용한다
5.1.1 데이터 발생 확률 설정
5.1.2 최우추정법으로 파라미터를 결정한다
5.1.3 예제 코드로 확인한다
5.2 ROC 곡선으로 학습 모델을 평가한다
5.2.1 로지스틱 회귀를 현실 문제에 적용한다
5.2.2 ROC 곡선으로 성능 평가
5.2.3 예제 코드로 확인한다
5.3 부록 - IRLS법 도출

▣ 06장: k-평균법 - 비지도 학습모델 기초
6.1 k-평균법을 통한 클러스터링과 그 응용
6.1.1 비지도 학습모델 클러스터링
6.1.2 k-평균법을 사용한 클러스터링
6.1.3 이미지 데이터에 응용
6.1.4 예제 코드로 확인한다
6.1.5 k-평균법의 수학적 근거
6.2 게으른 학습모델로서의 k-최근접이웃
6.2.1 k-최근접이웃으로 분류
6.2.2 k-최근접이웃의 문제점

▣ 07장: EM 알고리즘 - 최우추정법에 의한 비지도 학습
7.1 베르누이 분포를 사용한 최우추정법
7.1.1 손글씨 문자 합성 방법
7.1.2 이미지 생성기와 최우추정법
7.2 혼합분포를 사용한 최우추정법
7.2.1 혼합분포로 확률계산
7.2.2 EM 알고리즘 절차
7.2.3 예제 코드로 확인한다
7.2.4 클러스터링으로 데이터를 해석한다
7.3 부록 - 손글씨 문자 데이터를 다운로드한다

▣ 08장: 베이즈 추정 - 데이터를 기반으로 확신을 더하는 방법
8.1 베이즈 추정 모델과 베이즈 정리
8.1.1 베이즈 추정의 개념
8.1.2 베이즈 정리 입문
8.1.3 베이즈 추정으로 정규분포를 정한다: 파라미터 추정
8.1.4 베이즈 추정으로 정규분포를 결정한다: 관측값의 분포를 추정
8.1.5 예제 코드로 확인한다
8.2 베이즈 추정을 회귀분석에 응용
8.2.1 파라미터의 사후분포 계산
8.2.2 관측값의 분포를 추정
8.2.3 예제 코드로 확인한다
8.3 부록-최우추정법과 베이즈 추정의 관계