목차
추천사 = 4
지은이ㆍ옮긴이 소개 = 7
옮긴이의 말 = 8
이 책에 대하여 = 9
표기법 = 14
CHAPTER 0 들어가며
두 도표에 대한 이야기 = 19
빅데이터와 머신러닝 = 22
계산 = 26
CHAPTER 1 불확실성
1.1 빈도주의 관점에서의 불확실성과 부트스트랩 = 38
1.2 가설 검정과 거짓 발견 비율 조절 = 53
1.3 베이지안 추론 = 63
CHAPTER 2 회귀
2.1 선형 모델 = 69
2.2 로지스틱 회귀 = 81
2.3 편차와 가능도 = 85
2.4 회귀 불확실성 = 93
2.5 공간과 시간 = 98
CHAPTER 3 정규화
3.1 표본 외 성능 = 109
3.2 정규화 경로 = 115
3.3 모델 선택 = 128
3.4 lasso에 대한 불확실성 정량화 = 141
CHAPTER 4 분류
4.1 최근접 이웃 = 151
4.2 확률, 비용, 분류 = 156
4.3 다항 로지스틱 회귀 = 163
4.4 분산 다항 회귀 = 169
4.5 분산과 빅데이터 = 174
CHAPTER 5 실험
5.1 무작위 대조 시험 = 180
5.2 유사 실험 설계 = 196
5.3 도구 변수 = 210
CHAPTER 6 제어
6.1 조건부 무시가능성과 선형 처리 효과 = 224
6.2 고차원 교란 조정 = 228
6.3 표본 분할과 직교 머신러닝 = 236
6.4 이종 처리 효과 = 242
6.5 합성 제어 = 259
CHAPTER 7 인수분해
7.1 클러스터링 = 268
7.2 요인 모델과 PCA = 276
7.3 주성분 회귀 = 289
7.4 부분 최소제곱법 = 295
CHAPTER 8 데이터로서의 테스트
8.1 토큰화 = 302
8.2 텍스트 회귀 = 309
8.3 토픽 모델 = 313
8.4 다항 역회귀 = 322
8.5 협업 필터링 = 328
8.6 워드 임베딩 = 333
CHAPTER 9 비모수
9.1 의사결정트리 = 338
9.2 랜덤 포레스트 = 347
9.3 인과 트리 = 358
9.4 반모수와 가우스 프로세스 = 362
CHAPTER 10 인공지능
10.1 인공지능이란 무엇인가? = 369
10.2 범용 머신러닝 = 375
10.3 딥러닝 = 379
10.4 확률적 경사하강법 = 385
10.5 강화 학습 = 391
10.6 상황에 따른 인공지능 = 395
참고 문헌 = 397
찾아보기 = 411
닫기