Orange를 활용한 데이터 시각화 및 머신러닝

목 차 제 1 장 데이터 분석과 Orange Data Mining 1 1.1 데이터 분석이 중요한 사회 1 1.2 데이터 과학(Data Science) 3 1.2.1 데이터 과학(Data Science)이란? 3 1.2.2 데이터 과학을 하는데 필요한 분야 4 1.2.3 데이터 과학 프로세스 5 1.3 데이터 분석에 필요한 도구 7 1.3.1 데이터 분석에 사용되는 도구 7 1.3.2 데이터 분석 도구로써 Orange Data Mining 8 제 2 장 Orange Data Mining(Orange3) 개발 환경 구축 12 2.1 Orange3 설치 방법 살펴보기 12 2.1.1 Orange3 다운로드 및 설치 14 2.1.2 Orange Data Mining 살펴보기 19 2.2 Orange3 작업 흐름 구축하기 24 2.2.1 작업 흐름(Workflow) 구축 과정 이해하기 24 2.2.2 Ornage3 작업 흐름(Workflow) 살펴보기 25 2.2.3 Ornage3 작업 흐름(Workflow) 구축 과정 살펴보기 26 제 3 장 데이터 읽기 및 저장 32 3.1 데이터 처리 과정 및 Data 처리 위젯 32 3.1.1 데이터 처리 과정 32 3.1.2 Data 처리 위젯 35 3.2 데이터 읽기 37 3.2.1 행렬 형식으로 저장된 파일 37 3.2.2 File 위젯 37 3.2.3 CSV File Import 위젯 41 3.2.4 파이썬에서 행렬 형식의 파일 읽기(Pandas 라이브러리 사용) 43 3.3 데이터 형태 파악 및 정보 확인 44 3.3.1 데이터 형태 파악하기 44 3.3.2 Data Info 위젯을 이용한 데이터 정보 확인 45 3.3.3 Paint Data 위젯을 이용한 데이터 정보 가시화 46 3.3.4 Feature Statistics 위젯을 이용한 데이터 특징 기본 통계 확인 49 3.3.5 Rank 위젯을 이용하여 데이터 특징 관련성 순위 지정 51 3.4 데이터 저장 52 3.4.1 Save Data 위젯을 이용하여 데이터 저장하기 52 제 4 장 데이터 처리 55 4.1 데이터 분석 과정에서의 데이터 전처리 55 4.1.1 데이터 전처리의 의미 및 기법 55 4.1.2 데이터 전처리 위젯 57 4.2 데이터 추출 58 4.2.1 데이터 추출(Sampling)이란? 58 4.2.2 Data Sampler 위젯 59 4.2.3 Select Columns 위젯 62 4.2.4 Select Rows 위젯 63 4.2.5 Transpose 위젯 66 4.2.6 Select by Data Index 위젯 67 4.3 데이터 연결 69 4.3.1 데이터 연결이란? 69 4.3.2 Merge Data 위젯 70 4.3.3 Concatenate 위젯 74 4.4 데이터 조작 76 4.4.1 데이터 조작이란? 76 4.4.2 Unique 위젯 77 4.4.3 Aggregate Columns 위젯 78 4.4.4 Groupby 위젯 80 4.4.5 Pivot Table 위젯 83 4.5 데이터 전처리 86 4.5.1 데이터 전처리란? 86 4.5.2 Preprocess 위젯 86 제 5 장 데이터 시각화 95 5.1 데이터 분석 과정에서의 데이터 시각화 95 5.1.1 데이터 시각화란? 95 5.2 관계 시각화 98 5.2.1 관계 시각화란? 98 5.2.2 Scatter Plot 위젯 98 5.2.3 FreeViz 위젯 108 5.3 시간 시각화 112 5.3.1 시간 시각화란? 112 5.3.2 Line Plot 위젯 113 5.4 분포 시각화 116 5.4.1 분포 시각화란? 116 5.4.2 Box Plot 위젯 117 5.4.3 Sieve Diagram 위젯 120 5.5 비교 시각화 123 5.5.1 비교 시각화란? 123 5.5.2 Bar Plot 위젯 123 5.5.3 Tree viewer 위젯 126 제 6 장 데이터 모델링 129 6.1 데이터 분석 과정에서의 데이터 모델링 129 6.1.1 데이터 모델링과 기계학습 129 6.2 지도 학습(Supervised Learning) 위젯 133 6.2.1 지도 학습(supervised learning)이란? 133 6.2.2 서포트 벡터 머신(SVM) 위젯 134 6.2.3 Neural Network 위젯 139 6.2.4 Save Model 위젯 149 6.2.5 Load Model 위젯 151 [표 1.1] 데이터 과학이 제공하는 것 3 [표 1.2] 데이터 과학 주요 요소 4 [표 1.3] 데이터 과학 프로세스 5 [표 1.4] 헬스케어 분야에서의 환자 치료 개선을 위한 데이터 분석 프로세스 6 [표 1.5] 데이터 분석 프로세스에 사용되는 도구 8 [표 1.6] Orange Data Mining 특징 10 [표 1.7] Orange Data Mining 활용 사례 11 [표 2.1] Data 위젯 23 [표 2.2] 알고리즘 24 [표 2.3] Orange3 작업흐름 예제 25 [표 2.4] iris 분포 알고리즘 26 [표 3.1] Data를 다루는 위젯 설명 36 [표 3.2] File 위젯 속성 39 [표 3.3] Rank 위젯의 점수 산정 방법 51 [표 4.1] 데이터 전처리 기법 56 [표 4.2] 데이터 전처리 위젯 분류 57 [표 4.3] Data Sampler 위젯 API 59 [표 4.4] 데이터 샘플러(Data Sampler) 샘플링 타입 60 [표 4.5] Select Columns 위젯 API 62 [표 4.6] Select Rows 위젯 API 63 [표 4.7] Select Rows 조건 선택 타입 64 [표 4.8] Transpose 위젯 API 66 [표 4.9] Select by Data Index 위젯 API 67 [표 4.10] Merge Data 위젯 API 70 [표 4.11] Merge Data 위젯의 병합(Merging) 유형 72 [표 4.12] Concatenate 위젯 API 74 [표 4.13] Concatenate 위젯 API 77 [표 4.14] Aggregate Columns 위젯 API 78 [표 4.15] Aggregate Columns 위젯의 집계함수 79 [표 4.16] Groupby 위젯 API 81 [표 4.17] Groupby 위젯 집계함수 82 [표 4.18] Pivot Table 위젯 API 83 [표 4.19] Pivot Table 위젯 집계함수 84 [표 4.20] Preprosess위젯 API 87 [표 4.21] Preprocess 위젯 전처리프로세서 88 [표 4.22] Discretize Continuous Variables 옵션 89 [표 4.23] Continuize Discrete Variables 옵션 90 [표 4.24] Impute Missing Values 옵션 92 [표 5.1] 데이터 시각화 위젯 분류 97 [표 5.2] 관계 시각화 위젯 98 [표 5.3] Scatter Plot 위젯 API 99 [표 5.4] Scatter Plot 속성(Attribute) 100 [표 5.5] Scatter Plot Properties 100 [표 5.6] FreeViz 위젯 API 108 [표 5.7] FreeViz Initialization 109 [표 5.8] FreeViz 속성(Attribute) 109 [표 5.9] 시간 시각화 위젯 112 [표 5.10] Line Plot 위젯 API 113 [표 5.11] Line Plot Display 114 [표 5.12] 분포 시각화 위젯 117 [표 5.13] Box Plot 위젯 API 118 [표 5.14] Box Plot Display 119 [표 5.15] Sieve Diagram 위젯 API 120 [표 5.16] 비교 시각화 위젯 123 [표 5.17] Bar Plot 위젯 API 123 [표 5.18] Bar Plot 설정 124 [표 5.19] Tree viewer 위젯 API 126 [표 5.20] Tree viewer Display 127 [표 6.1] 기계학습의 종류 130 [표 6.2] 기계학습 알고리즘 위젯 분류 132 [표 6.3…

출처: 국립중앙도서관 서지정보