목차 일부
지은이 소개 = 5
기술 감수자 소개 = 6
옮긴이 소개 = 7
옮긴이의 말 = 8
들어가며 = 15
1장 머신 러닝 기초 = 23
머신 러닝의 정의 = 23
경험으로부터 학습 = 25
머신 러닝 과제 = 27
훈련 데이터, 테스트 데이터, 검증 데이터 = 28
편향과 분산 = 31
scikit-learn 소개 = ...
더보기
목차 전체
지은이 소개 = 5
기술 감수자 소개 = 6
옮긴이 소개 = 7
옮긴이의 말 = 8
들어가며 = 15
1장 머신 러닝 기초 = 23
머신 러닝의 정의 = 23
경험으로부터 학습 = 25
머신 러닝 과제 = 27
훈련 데이터, 테스트 데이터, 검증 데이터 = 28
편향과 분산 = 31
scikit-learn 소개 = 34
scikit-learn 설치 = 35
pip를 사용한 설치 = 36
윈도우에 설치 = 37
우분투 16.04에 설치 = 37
맥 OS에 설치 = 37
아나콘다 설치 = 37
설치 검증 = 38
pandas, Pillow, NLTK, matplotlib 설치 = 38
요약 = 39
2장 단순 선형 회귀 = 41
단순 선형 회귀 = 42
비용 함수를 사용한 모델의 적합도 평가 = 46
단순 선형 회귀를 위한 OLS 계산 = 49
모델 평가 = 52
요약 = 54
3장 K-최근접 이웃을 이용한 분류와 회귀 = 55
k-최근접 이웃 = 55
게으른 학습과 비매개변수 모델 = 56
KNN을 사용한 분류 = 57
KNN을 사용한 회귀 = 67
특징의 크기 조절 = 70
요약 = 73
4장 특징 추출 = 75
범주형 변수에서 특징 추출 = 75
특징의 표준화 = 77
텍스트에서 특징 추출 = 78
단어 주머니 모델 = 78
불용어 필터링 = 82
형태소 추출과 어휘소 추출 = 83
tf-idf 가중치를 활용한 단어 주머니의 확장 = 87
해싱 기법을 사용한 공간효율적 특징 벡터 = 90
워드 임베딩 = 92
이미지에서 특징 추출 = 96
픽셀 강도에서 특징 추출 = 97
컨벌루션 신경망 활성화를 사용한 특징 = 99
요약 = 102
5장 단순 선형 회귀에서 다중 선형 회귀까지 = 103
다중 선형 회귀 = 104
다항 회귀 = 108
정규화 = 113
선형 회귀의 적용 = 114
데이터 탐색 = 115
적합화와 모델 평가 = 119
기울기 하강법 = 121
요약 = 127
6장 선형 회귀에서 로지스틱 회귀까지 = 129
로지스틱 회귀를 이용한 이진 분류 = 130
스팸 필터링 = 132
이진 분류기 평가 척도 = 135
정확도 = 136
정밀도와 재현율 = 138
F1 척도 계산 = 139
ROC AUC = 140
그리드 탐색을 활용한 모델 튜닝 = 142
다중 부류 분류 = 145
다중 부류 분류 성능 척도 = 150
다중 부류 분류와 문제 변환 = 151
다중 부류 분류 성능 척도 = 154
요약 = 155
7장 나이브 베이즈 = 157
베이즈 정리 = 158
생성 모델과 판별 모델 = 160
나이브 베이즈 = 161
나이브 베이즈에서의 가정 = 162
scikit-learn으로 구현한 나이브 베이즈 = 164
요약 = 169
8장 의사결정 트리를 이용한 비선형 분류와 회귀 = 171
의사결정 트리 = 172
의사결정 트리 훈련 = 174
문제 선택 = 175
정보 이득 = 179
지니 불순도 = 185
scikit-learn을 사용한 의사결정 트리 = 186
의사결정 트리의 장단점 = 189
요약 = 191
9장 의사결정 트리에서 랜덤 포레스트와 앙상블 기법까지 = 193
배깅 = 194
부스팅 = 197
스태킹 = 199
요약 = 202
10장 퍼셉트론 = 203
퍼셉트론 = 203
활성화 함수 = 205
퍼셉트론 학습 알고리즘 = 207
퍼셉트론을 이용한 이진 분류 = 207
퍼셉트론을 이용한 문서 분류 = 215
퍼셉트론의 한계 = 217
요약 = 219
11장 퍼셉트론에서 서포트 벡터 머신까지 = 221
커널과 커널 트릭 = 222
최대 마진 분류기와 서포트 벡터 = 227
scikit-learn에서 문자 분류 = 230
필기체 숫자 분류 = 230
컬러 이미지에서 문자 분류 = 234
요약 = 236
12장 퍼셉트론에서 인공지능까지 = 237
비선형 결정 경계 = 238
피드포워드와 피드백 ANN = 240
다층 퍼셉트론 = 241
다층 퍼셉트론 훈련 = 243
역전파 = 245
XOR 근사를 위한 다층 퍼셉트론의 훈련 = 250
필기체 숫자를 분류하기 위한 다층 퍼셉트론 훈련 = 253
요약 = 254
13장 K-평균 = 255
군집화 = 256
K-평균 = 258
지역 최적 값 = 264
엘보 기법을 사용한 k 값의 선택 = 265
클러스터의 평가 = 268
이미지 양자화 = 271
특징 학습을 위한 군집화 = 273
요약 = 278
14장 주성분 분석을 이용한 차원 축소 = 279
주성분 분석 = 280
분산, 공분산, 공분산 행렬 = 284
고유 벡터와 고윳값 = 286
PCA 실행 = 289
PCA를 사용한 고차원 데이터의 시각화 = 292
PCA를 사용한 얼굴 인식 = 294
요약 = 298
찾아보기 = 299
더보기 닫기