|
|
|
°¡º±°Ô ½ÃÀÛÇÏ´Â Åë°èÇнÀ : R·Î ½Ç½ÀÇÏ´Â
|
|
|
James, Gareth, ¸¶ÀÌŬ
¤Ó
·çºñÆäÀÌÆÛ
¤Ó
An Introduction to Statistical Learning: with Applications in R
|
|
|
|
- Á¦ÈÞ¸ô ÁÖ¹® ½Ã °í°´º¸»ó, ÀϺΠÀ̺¥Æ® Âü¿© ¹× ÁõÁ¤Ç° ÁõÁ¤, ÇÏ·ç/´çÀÏ ¹è¼Û¿¡¼ Á¦¿ÜµÇ¹Ç·Î Âü°í ¹Ù¶ø´Ï´Ù.
-
-
-
ÀÌ Ã¥ [°¡º±°Ô ½ÃÀÛÇÏ´Â Åë°èÇнÀ]Àº ±â°èÇнÀÀÇ Çʼö ¿ä¼ÒÀÎ Åë°èÀû ÇнÀÀÇ ÀÌ·ÐÀû °³³ä°ú È°¿ë ±â¹ýÀ» ¼Ò°³ÇÏ°í ´Ù¾çÇÑ ¸ðµ¨¸µ°ú ¿¹Ãø ±â¹ýÀ» ¾î¶»°Ô Àû¿ëÇÒ ¼ö ÀÖ´ÂÁö¸¦ ¿¹Á¦¿Í LabÀ» ÅëÇØ º¸¿©ÁØ´Ù. °¢ ÀåÀÇ ³»¿ëÀº ÀÌ°ø°è ¹è°æÁö½ÄÀÌ ¾ø¾îµµ ÀÌÇØÇÏ´Â µ¥ Å« ¾î·Á¿òÀÌ ¾ø´Ù. LabÀº RÀ» »ç¿ëÇÏ¿© ½ÇÇàÇÏ¸ç °¢ Àå¿¡¼ ¼³¸íÇÑ ¸ðµç Åë°èÀû ¹æ¹ý¿¡ ´ëÇÑ ÄÚµå´Â ÃæºÐÈ÷ ¼³¸íµÇ¾î ÀÖ´Ù. ½ÇÁ¦ µ¥ÀÌÅ͸¦ »ç¿ëÇÑ R ÇÁ·Î±×·¡¹Ö ¿¹Á¦´Â ½ÇÁúÀûÀÎ °æÇèÀ» Á¦°øÇϸç Åë°èÇнÀ°ú ±â°èÇнÀÀ» ¾î¶»°Ô ±¸ÇöÇÏ´ÂÁö¿¡ ´ëÇÑ ¸íÈ®ÇÏ°í Á÷°üÀûÀÎ °¡À̵带 Á¦°øÇÑ´Ù.
-
-
ÀÌ Ã¥Àº 10ÀåÀ¸·Î ±¸¼ºµÇ¾î ÀÖ´Ù.
1ÀåÀº Åë°èÀû ÇнÀÀÇ ¸î °¡Áö ÀÀ¿ëÀ» º¸¿©ÁÖ´Â µ¥ »ç¿ëµÇ´Â ½ÇÁ¦ ÀÚ·áÀÎ Wage ÀÚ·á, ÁֽĽÃÀå ÀÚ·á, ±×¸®°í À¯ÀüÀÚ ¹ßÇö ÀÚ·á¿¡ ´ëÇØ ¼Ò°³ÇÏ°í Ã¥ Àü¹Ý¿¡ °ÉÃÄ »ç¿ëµÉ Ç¥±â¹ý°ú °£´ÜÇÑ Çà·Ä ´ë¼ö¸¦ »ìÆ캻´Ù.
2ÀåÀº Åë°èÇнÀÀÇ ±âº» °³³äÀ» »ìÆ캸°í ¸ðµ¨ÀÇ ÃßÁ¤¹æ¹ý°ú ¿¹Ãø Á¤È®µµ, ±×¸®°í ¸ðµ¨ÀÇ Á¤È®µµ Æò°¡¿¡ ´ëÇØ ¾Ë¾Æº»´Ù. ¶ÇÇÑ, R¿¡ ´ëÇÑ ±âº»ÀûÀÎ »ç¿ë¹ý¿¡ ´ëÇØ °£·«È÷ ¼Ò°³ÇÑ´Ù.
3Àå¿¡¼´Â ´Ü¼øÇÑ ÁöµµÇнÀ ±â¹ýÀÎ ¼±Çüȸ±ÍÀÇ ÁÖ¿ä °³³ä°ú ¸ðµ¨ÀÇ ÀûÇÕ¿¡ ÀÌ¿ëµÇ´Â ÃÖ¼ÒÁ¦°ö¹ý¿¡ ´ëÇØ ¾Ë¾Æº¸°í ÁúÀû ¼³¸íº¯¼öÀÇ Ã³¸®¿Í ¼±Çü¸ðµ¨ÀÇ È®Àå¿¡ ´ëÇØ ´Ù·é´Ù.
4ÀåÀº ÁúÀû ¹ÝÀÀº¯¼ö¸¦ ¿¹ÃøÇÏ´Â ¹æ¹ýÀÎ ºÐ·ù¿¡ ´ëÇØ ´Ù·ç¸ç ±¤¹üÀ§ÇÏ°Ô »ç¿ëµÇ´Â ºÐ·ù±âÀÎ ·ÎÁö½ºÆ½ ȸ±Í, ¼±ÇüÆǺ°ºÐ¼®, k-ÃÖ±ÙÁ¢ÀÌ¿ô¿¡ ´ëÇØ »ìÆ캻´Ù.
5ÀåÀº ÈÆ·Ã µ¥ÀÌÅÍÀÇ ÀϺθ¦ »ç¿ëÇÏ¿© µ¿ÀÏÇÑ Åë°èÀû ¹æ¹ýÀ» ¿©·¯ ¹ø ÀûÇÕÇÏ¿© Á¤º¸¸¦ ¾ò´Â ÀçÇ¥º»ÃßÃâ ¹æ¹ý¿¡ ´ëÇØ ´Ù·é´Ù. ¿©±â¼´Â °¡Àå ÀϹÝÀûÀ¸·Î »ç¿ëµÇ´Â 2°¡Áö ÀçÇ¥º»ÃßÃâ ¹æ¹ýÀÎ ±³Â÷°ËÁõ°ú º×½ºÆ®·¦¿¡ ´ëÇØ »ó¼¼È÷ »ìÆ캻´Ù.
6ÀåÀº ÃÖ¼ÒÁ¦°öÀûÇÕÀ» ´Ù¸¥ ÀûÇÕÀýÂ÷·Î ¹Ù²Ù¾î ´Ü¼ø¼±Çü¸ðµ¨À» °³¼±ÇÒ ¼ö ÀÖ´Â ¹æ¹ý¿¡ ´ëÇØ ´Ù·é´Ù. ¿©±â¼´Â ¹ÝÀÀº¯¼ö¿Í °ü·ÃÀÌ ÀÖ´Â ¼³¸íº¯¼öµéÀÇ ¼ºê¼ÂÀ» ã´Â ºÎºÐÁýÇÕ ¼±ÅÃ, °è¼ö ÃßÁ¤Ä¡µéÀ» Á¦ÇÑÇÏ¿© ÃßÁ¤Ä¡µéÀÇ ºÐ»êÀ» ÁÙÀÏ ¼ö ÀÖ´Â ¼öÃà¹æ¹ý, ¿ø·¡ÀÇ ¼³¸íº¯¼öº¸´Ù ÀÛÀº ¼öÀÇ º¯È¯µÈ º¯¼öµéÀ» »ç¿ëÇÏ´Â Â÷¿øÃà¼Ò¿¡ ´ëÇØ ÀÚ¼¼È÷ »ìÆ캻´Ù.
7Àå¿¡¼´Â ¼±Çü¸ðµ¨ÀÇ Çؼ®·ÂÀº ³ô°Ô À¯ÁöÇÏ¸é¼ ¼±Çü¼º¿¡ ´ëÇÑ °¡Á¤Àº ¿ÏÈÇÏ´Â ¼±Çü¸ðµ¨ÀÇ È®Àå¿¡ ´ëÇØ ´Ù·ç¸ç, ´ÙÇ×½Äȸ±Í¿Í °è´ÜÇÔ¼ö¿Í °°Àº ´Ü¼øÇÑ ¼±Çü¸ðµ¨ÀÇ È®Àå»Ó¸¸ ¾Æ´Ï¶ó ½ºÇöóÀÎ, ±¹¼Òȸ±Í, ±×¸®°í ÀϹÝÈ°¡¹ý¸ðµ¨°ú °°Àº Á¤±³ÇÑ ±â¹ý¿¡ ´ëÇؼµµ »ìÆ캻´Ù.
8ÀåÀº ¼³¸íº¯¼öÀÇ °ø°£À» ´Ù¼öÀÇ ¿µ¿ªÀ¸·Î ºÐÇÒÇϴ ȸ±Í¿Í ºÐ·ù¿¡ ´ëÇÑ Æ®¸® ±â¹ÝÀÇ ¹æ¹ý¿¡ ´ëÇØ ´Ù·ç¸ç, ÀÇ»ç°áÁ¤Æ®¸®¿Í Æ®¸®ÀÇ Àå´ÜÁ¡¿¡ ´ëÇØ »ìÆ캸°í ´ÙÁßÆ®¸®¸¦ ÅëÇØ ¿¹Ãø Á¤È®µµ¸¦ °³¼±ÇÏ´Â ¹è±ë, ·£´ý Æ÷¸®½ºÆ®, ºÎ½ºÆÿ¡ ´ëÇØ ¾Ë¾Æº»´Ù.
9ÀåÀº ´Ù¾çÇÑ ¼³Á¤¿¡¼ ÃÖ»óÀÇ ºÐ·ù±â Áß Çϳª·Î ¾Ë·ÁÁø ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å¿¡ ´ëÇØ ¼Ò°³ÇÏ°í ºñ¼±Çü °áÁ¤°æ°è¸¦ ¼ö¿ëÇϵµ·Ï È®ÀåÇÏ´Â °Í¿¡ ´ëÇØ »ìÆ캻´Ù.
10Àå¿¡¼´Â ¿¬°üµÈ ¹ÝÀÀº¯¼ö ¾øÀÌ ÃøÁ¤µÈ ¼³¸íº¯¼öµé¸¸À¸·Î µ¥ÀÌÅÍ¿¡¼ Èï¹Ì·Î¿î °ÍÀ» ¹ß°ßÇÏ°íÀÚ ÇÏ´Â ºñÁöµµÇнÀ¿¡ ´ëÇØ ´Ù·ç¸ç, µ¥ÀÌÅÍÀÇ ½Ã°¢È ¶Ç´Â Àü󸮿¡ »ç¿ëµÇ´Â ÁÖ¼ººÐºÐ¼®°ú °üÃøÄ¡µéÀÇ ¼ºê±×·ìÀ» ã¾Æ³»´Â µ¥ ÀÌ¿ëµÇ´Â Ŭ·¯½ºÅ͸µ¿¡ ´ëÇØ ÀÚ¼¼È÷ ¾Ë¾Æº»´Ù.
-
-
1 µµÀÔ(introduction)
1.1 Åë°èÇнÀÀÇ °³¿ä
1.2 Åë°èÇнÀÀÇ °£´ÜÇÑ ¿ª»ç
1.3 Ç¥±â¹ý°ú °£´ÜÇÑ Çà·Ä ´ë¼ö
1.4 Lab°ú ¿¬½À¹®Á¦¿¡ »ç¿ëµÈ ÀÚ·á
2 Åë°èÇнÀ(Statistical Learning)
2.1 Åë°èÇнÀÀ̶õ?
2.1.1 f¸¦ ÃßÁ¤ÇÏ´Â ÀÌÀ¯´Â?
2.1.2 ¾î¶»°Ô f¸¦ ÃßÁ¤Çϴ°¡?
2.1.3 ¿¹Ãø Á¤È®µµ¿Í ¸ðµ¨ Çؼ®·Â »çÀÌÀÇ ÀýÃæ(Trade-Off)
2.1.4 ÁöµµÇнÀ°ú ºñÁöµµÇнÀ
2.1.5 ȸ±Í¿Í ºÐ·ù¹®Á¦
2.2 ¸ðµ¨ÀÇ Á¤È®µµ Æò°¡
2.2.1 ÀûÇÕÀÇ Ç°Áú ÃøÁ¤
2.2.2 ÆíÇâ-ºÐ»ê ÀýÃæ
2.2.3 ºÐ·ù ¼³Á¤
2.3 Lab: R¿¡ ´ëÇÑ ¼Ò°³
2.3.1 ±âº» ¸í·É¾î
2.3.2 ±×·¡ÇÁ
2.3.3 µ¥ÀÌÅÍ À妽Ì(Indexing)
2.3.4 µ¥ÀÌÅÍ ·Îµù(Loading)
2.3.5 Ãß°¡ÀûÀÎ ±×·¡ÇÁ¿Í ¼öÄ¡ ¿ä¾à
2.4 ¿¬½À¹®Á¦
3 ¼±Çüȸ±Í(Linear Regression)
3.1 ´Ü¼ø¼±Çüȸ±Í
3.1.1 °è¼ö ÃßÁ¤
3.1.2 °è¼ö ÃßÁ¤°ªÀÇ Á¤È®µµ Æò°¡
3.1.3 ¸ðµ¨ÀÇ Á¤È®µµ Æò°¡
3.2 ´ÙÁß¼±Çüȸ±Í
3.2.1 ȸ±Í°è¼öÀÇ ÃßÁ¤
3.2.2 ¸î °¡Áö Áß¿äÇÑ Áú¹®
3.3 ȸ±Í¸ðµ¨¿¡¼ ´Ù¸¥ °í·ÁÇÒ »çÇ×
3.3.1 ÁúÀû ¼³¸íº¯¼ö
3.3.2 ¼±Çü¸ðµ¨ÀÇ È®Àå
3.3.3 ÀáÀçÀû ¹®Á¦
3.4 ¸¶ÄÉÆà Ç÷£(Marketing Plan)
3.5 ¼±Çüȸ±Í¿Í K-ÃÖ±ÙÁ¢ÀÌ¿ôÀÇ ºñ±³
3.6 ...Lab: ¼±Çüȸ±Í
3.6.1 ¶óÀ̺귯¸®
3.6.2 ´Ü¼ø¼±Çüȸ±Í
3.6.3 ´ÙÁß¼±Çüȸ±Í
3.6.4 »óÈ£ÀÛ¿ë Ç×
3.6.5 ¼³¸íº¯¼öÀÇ ºñ¼±Çü º¯È¯
3.6.6 ÁúÀû ¼³¸íº¯¼ö
3.6.7 ÇÔ¼öÀÇÀÛ¼º
3.7 ¿¬½À¹®Á¦
4 ºÐ·ù(Cassification)
4.1 ºÐ·ùÀÇ °³¿ä
4.2 ¿Ö ¼±Çüȸ±Í¸¦ »ç¿ëÇÏÁö ¾Ê´Â°¡?
4.3 ·ÎÁö½ºÆ½ ȸ±Í(Logistic Regression)
4.3.1 ·ÎÁö½ºÆ½ ¸ðµ¨
4.3.2 ȸ±Í°è¼öÀÇ ÃßÁ¤
4.3.3 ¿¹ÃøÇϱâ
4.3.4 ´ÙÁß·ÎÁö½ºÆ½ ȸ±Í
4.3.5 ¹ÝÀÀº¯¼öÀÇ Å¬·¡½º°¡ 2°³º¸´Ù ¸¹Àº ·ÎÁö½ºÆ½ ȸ±Í
4.4 ¼±ÇüÆǺ°ºÐ¼®(Linear Discriminant Analysis)
4.4.1 ºÐ·ù¸¦ À§ÇÑ º£ÀÌÁî Á¤¸®ÀÇ »ç¿ë
4.4.2 ¼±ÇüÆǺ°ºÐ¼®(p = 1)
4.4.3 ¼±ÇüÆǺ°ºÐ¼®(p > 1)
4.4.4 ÀÌÂ÷¼±ÇüÆǺ°ºÐ¼®
4.5 ºÐ·ù¹æ¹ýÀÇ ºñ±³
4.6 Lab: ·ÎÁö½ºÆ½ ȸ±Í, LDA, QDA, KNN
4.6.1 ÁֽĽÃÀåÀÚ·á
4.6.2 ·ÎÁö½ºÆ½ ȸ±Í
4.6.3 ¼±ÇüÆǺ°ºÐ¼®
4.6.4 ÀÌÂ÷ÆǺ°ºÐ¼®
4.6.5 K-ÃÖ±ÙÁ¢ÀÌ¿ô
4.6.6 Caravan º¸Çè ÀÚ·á¿¡ Àû¿ë
4.7 ¿¬½À¹®Á¦
5 ÀçÇ¥º»ÃßÃâ ¹æ¹ý
5.1 ±³Â÷°ËÁõ(Cross-Validation)
5.1.1 °ËÁõ¼Â ±â¹ý(Validation Set Approach)
5.1.2 LOOCV(Leave-One-Out Cross-Validation)
5.1.3 k-fold ±³Â÷°ËÁõ
5.1.4 k-fold ±³Â÷°ËÁõ¿¡ ´ëÇÑ ÆíÇâ-ºÐ»ê ÀýÃæ
5.1.5 ºÐ·ù¹®Á¦¿¡ ´ëÇÑ ±³Â÷°ËÁõ
5.2 º×½ºÆ®·¦(Bootstrap)
5.3 Lab: ±³Â÷°ËÁõ°ú º×½ºÆ®·¦
5.3.1 °ËÁõ¼Â ±â¹ý
5.3.2 LOO(Leave-One-Out) ±³Â÷°ËÁõ
5.3.3 k-fold ±³Â÷°ËÁõ
5.3.4 º×½ºÆ®·¦
5.4 ¿¬½À¹®Á¦
6 ¼±Çü¸ðµ¨ ¼±Åà ¹× Regularization
6.1 ºÎºÐÁýÇÕ ¼±ÅÃ
6.1.1 ÃÖ»óÀÇ ºÎºÐÁýÇÕ ¼±ÅÃ
6.1.2 ´Ü°èÀû ¼±ÅÃ
6.1.3 ÃÖÀûÀÇ ¸ðµ¨ ¼±ÅÃ
6.2 Shrinkage ¹æ¹ý
6.2.1 ´ÉÇüȸ±Í
6.2.2 Lasso
6.2.3 Á¶À² ÆĶó¹ÌÅÍ ¼±ÅÃ
6.3 Â÷¿øÃà¼Ò ¹æ¹ý
6.3.1 ÁÖ¼ººÐȸ±Í
6.3.2 ºÎºÐÃÖ¼ÒÁ¦°ö
6.4 °íÂ÷¿øÀÇ °í·Á
6.4.1 °íÂ÷¿ø µ¥ÀÌÅÍ
6.4.2 °íÂ÷¿ø¿¡¼ ¹«¾ùÀÌ ¹®Á¦Àΰ¡?
6.4.3 °íÂ÷¿ø¿¡¼ÀÇ È¸±Í
6.4.4 °íÂ÷¿ø¿¡¼ÀÇ °á°ú Çؼ®
6.5 Lab 1: ºÎºÐÁýÇÕ(¼ºê¼Â) ¼±Åà ¹æ¹ý
6.5.1 ÃÖ»óÀÇ ¼ºê¼Â ¼±ÅÃ
6.5.2 ÀüÁø ¹× ÈÄÁø ´Ü°èÀû ¼±ÅÃ
6.5.3 °ËÁõ¼Â ±â¹ý°ú ±³Â÷°ËÁõÀ» »ç¿ëÇÑ ¸ðµ¨ ¼±ÅÃ
6.6 Lab 2: ´ÉÇüȸ±Í¿Í Lasso
6.6.1 ´ÉÇüȸ±Í
6.6.2 Lasso
6.7 Lab 3: PCR°ú PLS ȸ±Í
6.7.1 ÁÖ¼ººÐȸ±Í
6.7.2 ºÎºÐÃÖ¼ÒÁ¦°ö
6.8 ¿¬½À¹®Á¦
7 ¼±Çü¼ºÀ» ³Ñ¾î¼
7.1 ´ÙÇ×½Äȸ±Í
7.2 °è´ÜÇÔ¼ö
7.3 ±âÀúÇÔ¼ö
7.4 ȸ±Í ½ºÇöóÀÎ
7.4.1 Á¶°¢º° ´ÙÇ×½Ä
7.4.2 Á¦¾àÁ¶°Ç°ú ½ºÇöóÀÎ
7.4.3 ½ºÇöóÀÎ ±âÀú Ç¥Çö
7.4.4 ¸ÅµìÀÇ ¼ö¿Í À§Ä¡ ¼±ÅÃ
7.4.5 ´ÙÇ×½Äȸ±Í¿Í ºñ±³
7.5 ÆòÈ° ½ºÇöóÀÎ
7.5.1 ÆòÈ° ½ºÇöóÀÎÀÇ °³¿ä
7.5.2 ÆòÈ° ÆĶó¹ÌÅÍ ¥ëÀÇ ¼±ÅÃ
7.6 ±¹¼Òȸ±Í
7.7 ÀϹÝÈ°¡¹ý¸ðµ¨(Generalized Additive Models)
7.7.1 ȸ±Í¹®Á¦¿¡ ´ëÇÑ GAMs
7.7.2 ºÐ·ù¹®Á¦¿¡ ´ëÇÑ GAMs
7.8 Lab: ºñ¼±Çü¸ðµ¨¸µ
7.8.1 ´ÙÇ×½Äȸ±Í¿Í °è´ÜÇÔ¼ö
7.8.2 ½ºÇöóÀÎ(Splines)
7.8.3 GAMs
7.9 ¿¬½À¹®Á¦
8 Æ®¸® ±â¹ÝÀÇ ¹æ¹ý
8.1 ÀÇ»ç°áÁ¤Æ®¸®ÀÇ ±âÃÊ
8.1.1 ȸ±ÍÆ®¸®
8.1.2 ºÐ·ùÆ®¸®
8.1.3 Æ®¸®¿Í ¼±Çü¸ðµ¨
8.1.4 Æ®¸®ÀÇ Àå´ÜÁ¡
8.2 ¹è±ë, ·£´ý Æ÷¸®½ºÆ®, ºÎ½ºÆÃ
8.2.1 ¹è±ë(Bagging)
8.2.2 ·£´ý Æ÷¸®½ºÆ®(Random Forests)
8.2.3 ºÎ½ºÆÃ(Boosting)
8.3 Lab: ÀÇ»ç°áÁ¤ Æ®¸®
8.3.1 ºÐ·ùÆ®¸® ÀûÇÕ
8.3.2 ȸ±ÍÆ®¸® ÀûÇÕ
8.3.3 ¹è±ë(Bagging)°ú ·£´ý Æ÷¸®½ºÆ®(Random Forest)
8.3.4 ºÎ½ºÆÃ(Boosting)
8.4 ¿¬½À¹®Á¦
9 ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å(Support Vector Machines)
9.1 ÃÖ´ë ¸¶Áø ºÐ·ù±â
9.1.1 ÃÊÆò¸éÀº ¹«¾ùÀΰ¡?
9.1.2 ºÐ¸® ÃÊÆò¸é(Separating Hyperplane)À» »ç¿ëÇÑ ºÐ·ù
9.1.3 ÃÖ´ë ¸¶Áø ºÐ·ù±â
9.1.4 ÃÖ´ë ¸¶Áø ºÐ·ù±âÀÇ ±¸¼º
9.1.5 ºÐ·ù ºÒ°¡´ÉÇÑ °æ¿ì
9.2 ¼Æ÷Æ® º¤ÅÍ ºÐ·ù±â
9.2.1 ¼Æ÷Æ® º¤ÅÍ ºÐ·ù±âÀÇ °³¿ä
9.2.2 ¼Æ÷Æ® º¤ÅÍ ºÐ·ù±âÀÇ ¼¼ºÎ »çÇ×
9.3 ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å
9.3.1 ºñ¼±Çü °áÁ¤°æ°è¸¦ °¡Áø ºÐ·ù
9.3.2 ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å
9.3.3 ½ÉÀåÁúȯ ÀÚ·á¿¡ Àû¿ë
9.4 Ŭ·¡½º°¡ 2°³º¸´Ù ¸¹Àº SVM
9.4.1 ÀÏ´ëÀÏ ºÐ·ù
9.4.2 ÀÏ´ëÀüºÎ(One-Versus-All) ºÐ·ù
9.5 ·ÎÁö½ºÆ½ ȸ±Í¿¡ ´ëÇÑ »ó°ü°ü°è
9.6 Lab: ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å
9.6.1 ¼Æ÷Æ® º¤ÅÍ ºÐ·ù±â
9.6.2 ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å
9.6.3 ROC °î¼±
9.6.4 ´ÙÁßŬ·¡½º SVM
9.6.5 À¯ÀüÀÚ ¹ßÇö ÀÚ·á¿¡ Àû¿ë
9.7 ¿¬½À¹®Á¦
10 ºñÁöµµÇнÀ(Unsupervised Learning)
10.1 ºñÁöµµÇнÀÀÇ ¾î·Á¿ò
10.2 ÁÖ¼ººÐºÐ¼®
10.2.1 ÁÖ¼ººÐÀº ¹«¾ùÀΰ¡?
10.2.2 ÁÖ¼ººÐÀÇ ´Ù¸¥ Çؼ®
10.2.3 PCA¿¡ ´ëÇØ ´õ ¾Ë¾Æº¸±â
10.2.4 ÁÖ¼ººÐ¿¡ ´ëÇÑ ´Ù¸¥ »ç¿ë ¿¹
10.3 Ŭ·¯½ºÅ͸µ ¹æ¹ý
10.3.1 K-Æò±Õ Ŭ·¯½ºÅ͸µ
10.3.2 °èÃþÀû Ŭ·¯½ºÅ͸µ
10.3.3 Ŭ·¯½ºÅ͸µ¿¡¼ÀÇ ½ÇÁúÀû À̽´
10.4 Lab 1: ÁÖ¼ººÐºÐ¼®
10.5 Lab 2: Ŭ·¯½ºÅ͸µ
10.5.1 K-Æò±Õ Ŭ·¯½ºÅ͸µ
10.5.2 °èÃþÀû Ŭ·¯½ºÅ͸µ
10.6 Lab 3: NCI60 µ¥ÀÌÅÍ ¿¹Á¦
10.6.1 NCI60 µ¥ÀÌÅÍ¿¡ ´ëÇÑ PCA
10.6.2 NCI60 µ¥ÀÌÅÍÀÇ °üÃøÄ¡¿¡ ´ëÇÑ Å¬·¯½ºÅ͸µ
10.7 ¿¬½À¹®Á¦
-
-
|
James, Gareth [Àú]
|
|
-
-
|
¸¶ÀÌŬ [Àú]
|
|
-
-
-
Àüü 1°³ÀÇ ±¸¸ÅÈıⰡ ÀÖ½À´Ï´Ù.
|
ÀÎÅÍÆÄÅ©µµ¼´Â °í°´´ÔÀÇ ´Ü¼ø º¯½É¿¡ ÀÇÇÑ ±³È¯°ú ¹ÝÇ°¿¡ µå´Â ºñ¿ëÀº °í°´´ÔÀÌ ÁöºÒÄÉ µË´Ï´Ù.
´Ü, »óÇ°À̳ª ¼ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯ ¹× ¹ÝÇ°Àº ¹«·á·Î ¹ÝÇ° µË´Ï´Ù. |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ °¡´ÉÇÑ °æ¿ì |
»óÇ°À» °ø±Þ ¹ÞÀº ³¯·ÎºÎÅÍ 7ÀÏÀ̳» °¡´É
°ø±Þ¹ÞÀ¸½Å »óÇ°ÀÇ ³»¿ëÀÌ Ç¥½Ã, ±¤°í ³»¿ë°ú ´Ù¸£°Å³ª ´Ù¸£°Ô ÀÌÇàµÈ °æ¿ì¿¡´Â °ø±Þ¹ÞÀº ³¯·ÎºÎÅÍ 3°³¿ù À̳», ȤÀº ±×»ç½ÇÀ» ¾Ë°Ô µÈ ³¯ ¶Ç´Â ¾Ë ¼ö ÀÖ¾ú´ø ³¯·ÎºÎÅÍ 30ÀÏ À̳»
»óÇ°¿¡ ¾Æ¹«·± ÇÏÀÚ°¡ ¾ø´Â °æ¿ì ¼ÒºñÀÚÀÇ °í°´º¯½É¿¡ ÀÇÇÑ ±³È¯Àº »óÇ°ÀÇ Æ÷Àå»óÅ µîÀÌ ÀüÇô ¼Õ»óµÇÁö ¾ÊÀº °æ¿ì¿¡ ÇÑÇÏ¿© °¡´É |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ ºÒ°¡´ÉÇÑ °æ¿ì |
±¸¸ÅÈ®Á¤ ÀÌÈÄ(¿ÀǸ¶ÄÏ»óÇ°¿¡ ÇÑÇÔ)
°í°´´ÔÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¸ê½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
(´Ü, »óÇ°ÀÇ ³»¿ëÀ» È®ÀÎÇϱâ À§ÇÏ¿© Æ÷Àå µîÀ» ÈѼÕÇÑ °æ¿ì´Â Á¦¿Ü)
½Ã°£ÀÌ Áö³²¿¡ µû¶ó ÀçÆǸŰ¡ °ï¶õÇÒ Á¤µµ·Î ¹°Ç°ÀÇ °¡Ä¡°¡ ¶³¾îÁø °æ¿ì
Æ÷Àå °³ºÀµÇ¾î »óÇ° °¡Ä¡°¡ ÈÑ¼ÕµÈ °æ¿ì |
|
´Ù¹è¼ÛÁöÀÇ °æ¿ì ¹ÝÇ° ȯºÒ |
´Ù¹è¼ÛÁöÀÇ °æ¿ì ´Ù¸¥ Áö¿ªÀÇ ¹ÝÇ°À» µ¿½Ã¿¡ ÁøÇàÇÒ ¼ö ¾ø½À´Ï´Ù.
1°³ Áö¿ªÀÇ ¹ÝÇ°ÀÌ ¿Ï·áµÈ ÈÄ ´Ù¸¥ Áö¿ª ¹ÝÇ°À» ÁøÇàÇÒ ¼ö ÀÖÀ¸¹Ç·Î, ÀÌÁ¡ ¾çÇØÇØ Áֽñ⠹ٶø´Ï´Ù. |
|
Áß°í»óÇ°ÀÇ ±³È¯ |
Áß°í»óÇ°Àº Á¦ÇÑµÈ Àç°í ³»¿¡¼ ÆǸŰ¡ ÀÌ·ç¾îÁö¹Ç·Î, ±³È¯Àº ºÒ°¡´ÉÇÕ´Ï´Ù. |
|
¿ÀǸ¶ÄÏ »óÇ°ÀÇ È¯ºÒ |
¿ÀǸ¶ÄÏ»óÇ°¿¡ ´ëÇÑ Ã¥ÀÓÀº ¿øÄ¢ÀûÀ¸·Î ¾÷ü¿¡°Ô ÀÖÀ¸¹Ç·Î, ±³È¯/¹ÝÇ° Á¢¼ö½Ã ¹Ýµå½Ã ÆǸÅÀÚ¿Í ÇùÀÇ ÈÄ ¹ÝÇ° Á¢¼ö¸¦ ÇϼžßÇϸç, ¹ÝÇ°Á¢¼ö ¾øÀÌ ¹Ý¼ÛÇϰųª, ¿ìÆíÀ¸·Î º¸³¾ °æ¿ì »óÇ° È®ÀÎÀÌ ¾î·Á¿ö ȯºÒÀÌ ºÒ°¡´ÉÇÒ ¼ö ÀÖÀ¸´Ï À¯ÀÇÇϽñ⠹ٶø´Ï´Ù. |
|
|
|
¹è¼Û¿¹Á¤ÀÏ ¾È³» |
ÀÎÅÍÆÄÅ© µµ¼´Â ¸ðµç »óÇ°¿¡ ´ëÇØ ¹è¼Û¿Ï·á¿¹Á¤ÀÏÀ» À¥»çÀÌÆ®¿¡ Ç¥½ÃÇÏ°í ÀÖ½À´Ï´Ù.
|
<ÀÎÅÍÆÄÅ© Á÷¹è¼Û »óÇ°> |
»óÇ°Àº ¿ù~Åä¿äÀÏ ¿ÀÀü 10½Ã ÀÌÀü ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ´çÀÏ Ãâ°í/´çÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù. |
»óÇ°Àº ¼¿ïÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀº ´çÀÏ Ãâ°í/ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇϸç,
¼¿ï¿ÜÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀÇ °æ¿ì´Â ¿ÀÈÄ 6½Ã±îÁö ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù.
(´Ü, ¿ù¿äÀÏÀº 12½Ã±îÁö ÁÖ¹®¿¡ ÇÑÇÔ)
|
»óÇ°Àº, ÀÔ°í¿¹Á¤ÀÏ(Á¦Ç°Ãâ½ÃÀÏ)+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù. |
~
»óÇ°Àº À¯ÅëƯ¼º»ó ÀÎÅÍÆÄÅ©¿¡¼ Àç°í¸¦ º¸À¯ÇÏÁö ¾ÊÀº »óÇ°À¸·Î ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø±âÁØÃâ°íÀÏ:ÀÎÅÍÆÄÅ©°¡ »óÇ°À» ¼ö±ÞÇÏ¿© ¹°·ùâ°í¿¡¼ Æ÷Àå/Ãâ°íÇϱâ±îÁö ¼Ò¿äµÇ´Â ½Ã°£
|
|
<¾÷ü Á÷Á¢¹è¼Û/¿ÀǸ¶ÄÏ »óÇ°> |
~
»óÇ°Àº ¾÷ü°¡ ÁÖ¹®À» È®ÀÎÇÏ°í, Ãâ°íÇϱâ±îÁö °É¸®´Â ½Ã°£ÀÔ´Ï´Ù. ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(2ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø5ÀÏÀ̳» Ãâ°í°¡ ½ÃÀÛµÇÁö ¾ÊÀ»½Ã, ¿ÀǸ¶ÄÏ »óÇ°Àº ÀÚµ¿À¸·Î ÁÖ¹®ÀÌ Ãë¼ÒµÇ¸ç, °í°´´Ô²² Ç°Àýº¸»ó±ÝÀ» Áö±ÞÇØ µå¸³´Ï´Ù.
|
|
|
¹è¼Ûºñ ¾È³» |
µµ¼(Áß°íµµ¼ Æ÷ÇÔ)¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û) À½¹Ý/DVD¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
ÀâÁö/¸¸È/±âÇÁÆ®¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í À½¹Ý/DVD¸¦ ÇÔ²² ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø 1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í ÀâÁö/¸¸È/±âÇÁÆ®/Áß°íÁ÷¹è¼Û»óÇ°À» ÇÔ²² ±¸¸ÅÇϽøé : 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
¾÷üÁ÷Á¢¹è¼Û»óÇ°À» ±¸¸Å½Ã : ¾÷üº°·Î »óÀÌÇÑ ¹è¼Ûºñ Àû¿ë
* ¼¼Æ®»óÇ°ÀÇ °æ¿ì ºÎºÐÃë¼Ò ½Ã Ãß°¡ ¹è¼Ûºñ°¡ ºÎ°úµÉ ¼ö ÀÖ½À´Ï´Ù.
* ºÏÄ«Æ®¿¡¼ ¹è¼Ûºñ¾ø¾Ö±â ¹öÆ°À» Ŭ¸¯Çϼż, µ¿ÀϾ÷ü»óÇ°À» Á¶±Ý ´õ ±¸¸ÅÇϽøé, ¹è¼Ûºñ¸¦ Àý¾àÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù.
|
|
Çؿܹè¼Û ¾È³» |
ÀÎÅÍÆÄÅ©µµ¼¿¡¼´Â ±¹³»¿¡¼ ÁÖ¹®ÇϽðųª ÇØ¿Ü¿¡¼ ÁÖ¹®ÇÏ¿© ÇØ¿Ü·Î ¹è¼ÛÀ» ¿øÇÏ½Ç °æ¿ì DHL°ú Ư¾àÀ¸·Î Ã¥Á¤µÈ ¿ä±ÝÇ¥¿¡
ÀÇÇØ °³ÀÎÀÌ ÀÌ¿ëÇÏ´Â °æ¿ìº¸´Ù ¹è¼Û¿ä±ÝÀ» Å©°Ô ³·Ã߸ç DHL(www.dhl.co.kr)·Î Çؿܹè¼Û ¼ºñ½º¸¦ Á¦°øÇÕ´Ï´Ù.
Çؿܹè¼ÛÀº µµ¼/CD/DVD »óÇ°¿¡ ÇÑÇØ ¼ºñ½ºÇÏ°í ÀÖÀ¸¸ç, ´Ù¸¥ »óÇ°À» ºÏÄ«Æ®¿¡ ÇÔ²² ´ãÀ¸½Ç °æ¿ì Çؿܹè¼ÛÀÌ ºÒ°¡ÇÕ´Ï´Ù.
ÇØ¿ÜÁÖ¹®¹è¼Û ¼ºñ½º´Â ÀÎÅÍÆÄÅ© µµ¼ ȸ¿ø °¡ÀÔÀ» Çϼž߸¸ ½Åû °¡´ÉÇÕ´Ï´Ù. |
|
¾Ë¾ÆµÎ¼¼¿ä!!! |
µµ¸Å»ó ¹× Á¦ÀÛ»ç »çÁ¤¿¡ µû¶ó Ç°Àý/ÀýÆÇ µîÀÇ »çÀ¯·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
¿ÀǸ¶ÄϾ÷üÀÇ ¹è¼ÛÁö¿¬½Ã ÁÖ¹®ÀÌ ÀÚµ¿À¸·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
À¯ÅëÀÇ Æ¯¼º»ó Ãâ°í±â°£Àº ¿¹Á¤º¸´Ù ¾Õ´ç°ÜÁö°Å³ª ´ÊÃçÁú ¼ö ÀÖ½À´Ï´Ù.
Åùè»ç ¹è¼ÛÀÏÀÎ ¼¿ï ¹× ¼öµµ±ÇÀº 1~2ÀÏ, Áö¹æÀº 2~3ÀÏ, µµ¼, »ê°£, ±ººÎ´ë´Â 3ÀÏ ÀÌ»óÀÇ ½Ã°£ÀÌ ¼Ò¿äµË´Ï´Ù. |
|
|
|
|