R로 마스터하는 머신 러닝 2/e

1장. 성공을 위한 과정 __CRISP-DM 모형화 기법 __비즈니스 이해 ____비즈니스의 목적을 확인하는 것 ____현재의 상황 판단 ____분석적 목표의 결정 ____프로젝트의 진행 계획을 만드는 것 __데이터 이해 __데이터 준비 __모형화 __평가적용알고리즘 순서도 __요약 2장. 선형 회귀-머신 러닝의 기본 기 __단변량 선형 회귀 ____비즈니스 이해하기 __다변량 선형 회귀 ____비즈니스 이해하기 ____데이터의 이해와 준비 과정 ____모형화와 평가 __선형 모형에서 다른 고려사항 ____질적 피처 ____상호작용 항 __요약 3장. 로지스틱 회귀와 판별 분석 __분류 방법 및 선형 회귀 __로지스틱 회귀 ____비즈니스 이해하기 ____데이터의 이해와 준비 과정 ____모형화와 평가 ________로지스틱 회귀 모형 ________교차 검증을 포함한 로지스틱 회귀 __판별 분석의 개요 ____판별 분석의 적용 __다변량 적응 회귀 스플라인(MARS) 모__형 선택 __요약 4장. 선형 모형에서 고급 피처 선택 __규제화(regularization)란? ____능형 회귀 분석 ____LASSO ____일래스틱넷 __비즈니스 사례 ____비즈니스 이해하기 ____데이터의 이해와 준비 과정 __모형화와 평가.. ____최량 부분 집합 ____능형 회귀 분석 ____LASSO ____일래스틱넷 ____glmnet을 사용한 교차 검증 __모형 선택 __규제화와 분류 ____로지스틱 회귀의 예 __요약 5장. 다른 분류 기법들 - K-최근접 이웃법과 서포트 벡터 머신 __K-최근접 이웃법 __서포트 벡터 머신 __비즈니스 사례 ____비즈니스 이해하기 ____데이터의 이해와 준비 과정 ____모형화와 평가 ________최근접 이웃(KNN) 모형화 ________서포트 벡터 머신 모형화. ____모형 선택 __서포트 벡터 머신에서의 피처 선택 __요약 6장. 분류 트리와 회귀 트리 __개괄적인 방법 ____회귀 트리 ____분류 트리 ____랜덤 포레스트(무작위의 숲) ____그레이디언트 부스트(경사 부양 기법) __비즈니스 사례 ____모형화 및 평가 ________회귀 트리 ________분류 트리 ________랜덤 포레스트 회귀 분석(random forest regression) ________랜덤 포레스트 분류 ________익스트림 그레디언트 부스트 기법 - 분류 ____모형 선정. ____랜덤 포레스트를 사용한 피처 선택 __요약 7장. 신경망과 딥러닝 __신경망 소개 __딥러닝, 간단히 살펴보기 ____딥러닝을 위한 자료와 심화 기법 __비즈니스의 이해 __데이터의 이해와 준비 과정 __모형화와 평가 __딥러닝 예제 ____H2O의 배경 ____데이터를 H2O에 업로드하기 ____훈련 및 테스트 데이터 세트 생성 ____모형화 __요약 8장. 군집화 분석 __계층적 군집화 ____거리 계산 __K-평균 군집화 __가워와 중간점 구역 분할 ____가워 비유사성 계수 ____중간점 구역 분할 군집화(PAM) __랜덤 포레스트 __비즈니스 이해하기 __데이터 이해와 준비 과정 __모형화와 평가 ____계층적 군집화 __K-평균 군집화 ____가워와 중간점 구역 분할 ____랜덤 포레스트와 중간점 구역 분할 __요약 9장. 주성분 분석 __주성분의 개요 ____회전 __비즈니스 이해하기 ____데이터의 이해와 준비 과정 __모형화와 평가 ____성분 추출 ____직각 회전과 해석 ____성분으로부터 요인 점수 생성 ____회귀 분석 __요약 10장. 장바구니 분석, 추천 엔진과 순차적 분석 __장바구니 분석의 개요 __비즈니스 이해하기 __데이터의 이해와 준비 과정 __모형화와 평가 __추천 엔진의 개요 ____사용자 기반 협업 필터링 ____아이템 기반 협업 필터링 ____특이값 분해와 주성분 분석 __비즈니스 이해와 추천 __데이터의 이해와 준비 과정과 추천 __모형화와 평가 그리고 추천하기 __순차적 데이터 분석 ____순차적 데이터 분석의 적용 __요약 11장. 앙상블 생성과 다중 클래스 분류 __앙상블 __비즈니스와 데이터 이해하기 __모형화와 평가 그리고 선택 __비즈니스와 데이터 이해하기 __모형 평가와 선택 ____랜덤 포레스트 ____능형 회귀 분석 __MLR에서의 앙상블 __요약 12장. 시계열 자료와 인과관계 __단변량 시계열 분석 ____그랜저 인과관계 이해하기 __비지니스 이해하기 ____데이터의 이해와 준비 과정 __모형화와 평가 ____단변량 시계열 예측 ____인과관계의 검사 ________선형 회귀 ________벡터 자기회귀 모형(Vector autoregression) __요약 13장. 텍스트 마이닝 __텍스트 마이닝 프레임워크와 기법 __주제(topic) 모형 ____그 밖의 정량 분석 기법 __비즈니스 이해 ____데이터의 이해와 준비 __모형화와 평가 ____단어 빈도와 주제 모형 ____또 다른 양적 분석 기법 __요약 14장. 클라우드에서 R 사용하기 __아마존 웹 서비스 계정 생성하기 ____가상 머신 실행 ____RStudio 시작하기 __요약 부록. A R의 기본 __R을 실행하기 __R 사용하기 __데이터 프레임과 행렬 __요약 통계 내기 __패키지를 설치하고 로드하기 __dplyr 패키지를 이용해 데이터 다루기 __요약 부록 B. 자료 출처

출처: 국립중앙도서관 서지정보