국내도서

>

컴퓨터/인터넷

>

IT 전문서

>

컴퓨터공학

>

전산학 개론

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 컴퓨터/인터넷  > IT 전문서  > 컴퓨터공학  > 전산학 개론
• 도서  > 자연과 과학  > 수학  > 확률/통계

• 

	데이터 과학 시리즈(에이콘)(총79건) 컴퓨터 비전을 위한 다중 시점 기하학 2/e : 카메라를 위한 수학     58,500원 (10%↓) 컴퓨터 비전 5/e : 원리, 알고리듬, 응용     76,500원 (10%↓) 고객 리텐션의 전략 : 데이터를 통해 고객 이탈을 막아라     36,000원 (10%↓) 데이터의 미학 : 빅데이터 기술에서 데이터 과학자까지 데이터에 관한 모든 것     31,500원 (10%↓) The R Book(한국어판) : R로 배우는 데이터 분석 기술     49,500원 (10%↓) 빅데이터에서 천금의 기회를 캐라 : 테라데이타 최고분석책임자가 들려주는 기업 빅데이터 활용 전략     22,500원 (10%↓) 차세대 데이터 플랫폼을 지향하는 아파치 하둡 YARN     32,400원 (10%↓) 예측 분석 모델링 실무 기법 : R로 하는 빅데이터 분석 사례     36,000원 (10%↓) 자연어 텍스트 처리를 통한 검색 시스템 구축 : 아파치 솔라, 루씬, OpenNLP 등 오픈소스 활용     36,000원 (10%↓) 데이터 스토리텔링 : 설득력 있는 프리젠테이션을 위한 데이터 시각화 기법     22,500원 (10%↓) R로 하는 퀀트 트레이딩 : R을 활용한 금융 데이터 분석과 알고리즘 트레이딩     29,700원 (10%↓) 엔터프라이즈 데이터 레이크 구축 : 람다 아키텍처 기반의 엔터프라이즈 데이터 레이크 구축 가이드     36,000원 (10%↓) 파워 BI와 엑셀 파워 피봇을 사용한 데이터 분석 : 예제를 통해 배우는 데이터 모델링     27,000원 (10%↓) 파이썬으로 실무에 바로 적용하는 머신 러닝     27,000원 (10%↓) 자연어 처리의 정석 : 자연어 처리의 A-Z 과거부터 최근 연구까지     45,000원 (10%↓) 추천 시스템의 통계 기법 : 실생활 추천 문제에 적용해보는 다양한 통계 기법     29,700원 (10%↓) 그래프 알고리즘 : 스파크와 Neo4j로 이해하는 알고리즘과 그래프 분석     29,700원 (10%↓) 파이썬 기반 강화학습 알고리듬 : DP, Q-Learning, AC, DQN, TRPO, PPO, DDPG, TD3     27,000원 (10%↓) 빅쿼리를 활용한 데이터 웨어하우스 구축 : 단계별로 배우는 구글 클라우드 관리형 데이터 분석     36,000원 (10%↓) 텐서플로 2로 배우는 금융 머신러닝 : 텐서플로와 Scikit-learn으로 금융 경제에 접목하는 인공지능     27,000원 (10%↓) 데이터 마이닝 4/e : 실용적인 머신러닝 기술     45,000원 (10%↓) 헬스케어 분석을 위한 머신러닝 : 파이썬, 주피터 노트북, 텐서플로, 케라스를 이용한 적용 사례     22,500원 (10%↓) 생물정보학 알고리듬 3/e     54,000원 (10%↓) AWS 기반 AI 애플리케이션 개발 : AI 유니콘 기업으로 도약하기     31,500원 (10%↓) 정보 검색의 이론과 실제 : 검색엔진을 구현하고 평가하는 방법     40,500원 (10%↓) 실전 알고리즘 트레이딩 배우기 : 파이썬으로 시작하는 알고리즘 트레이딩의 기초와 실전 전략     31,500원 (10%↓) 금융 파이썬 쿡북 : 금융 데이터 처리와 기술 분석부터 딥러닝 적용까지     31,500원 (10%↓) 자연어 처리와 딥러닝 : 딥러닝으로 바라보는 언어에 대한 생각     36,000원 (10%↓) 흥미로운 베이지안 통계 : 스타워즈, 레고, 러버 덕으로 이해하는 통계와 확률     27,000원 (10%↓) Pandas Cookbook 2/e : 파이썬 데이터 과학 기초     40,500원 (10%↓) AWS 클라우드 머신러닝 : 머신러닝 기초부터 AWS SageMaker까지     31,500원 (10%↓) 일래스틱 스택을 이용한 머신러닝 : 분산 검색과 분석 플랫폼으로 하는 이상 징후 감지와 예측     27,000원 (10%↓) 통계학으로 배우는 머신러닝 2/e : 스탠퍼드대학교 통계학과 교수에게 배우는 머신러닝의 원리     54,000원 (10%↓) 알고리즘 마케팅 : 인공지능을 활용한 마케팅 자동화     31,500원 (10%↓) 파이썬을 활용한 스파크 프로그래밍 : 빅데이터 분석을 위한 스파크 활용법     27,000원 (10%↓) The Hundred-Page Machine Learning Book : 수식과 간결한 설명을 바탕으로 하는 핵심 머신 러닝     22,500원 (10%↓) 파이썬과 수치 해석 : 파이썬 수치 해석 레시피     45,000원 (10%↓) 인지 컴퓨팅 레시피 : Microsoft Cognitive Services와 TensorFlow를 활용한 인공지능 솔루션     31,500원 (10%↓) 빅데이터 시각화 : 하둡, R, D3.js, 태블로, 파이썬, 스플렁크로 배우는 빅데이터 시각화     25,200원 (10%↓) 파이썬을 활용한 비지도 학습 : 비구조 데이터로부터 숨겨진 패턴과 관계 찾기     31,500원 (10%↓) 구글 클라우드 플랫폼상의 데이터 과학 : 실시간 데이터 파이프라인 구현: 입수부터 머신 러닝까지     36,000원 (10%↓) 파이썬을 활용한 생명정보학     32,400원 (10%↓) 양자 컴퓨팅 입문 : 간결하게 배우는 양자 컴퓨팅     18,900원 (10%↓) 텐서플로 2와 케라스로 구현하는 딥러닝 : 회귀, CNN. GAN, RNN, NLP, AutoML까지 딥러닝의 모든 것     38,700원 (10%↓) 확률론적 로보틱스 : 로봇공학의 기초부터 SLAM과 자율 주행까지     45,000원 (10%↓) 어반 컴퓨팅 : 빅데이터로 변화하는 도시의 현재와 미래     45,000원 (10%↓) 적대적 머신러닝 : 머신러닝 알고리즘으로 하는 시스템 보안 공격과 방어     36,000원 (10%↓) 헬스케어 인공지능과 머신러닝 : 빅데이터를 활용한 개인 맞춤 건강관리     31,500원 (10%↓) 예제로 배우는 자연어 처리 기초 : NLP 알고리즘, 텍스트 분류와 요약, 감성 분석     31,500원 (10%↓) 케라스 2.x 프로젝트 : 실전 딥러닝 모델 구축과 훈련 9가지 프로젝트     31,500원 (10%↓) 생명정보학 알고리즘 : 파이썬으로 구현하는 생명정보학 알고리즘     36,000원 (10%↓) OpenCV 4를 활용한 머신러닝 입문 : OpenCV 4, 파이썬, scikit-learn을 사용해 이미지 처리 앱을     36,000원 (10%↓) 의사결정을 위한 데이터 과학 : 데이터 과학 총론     64,800원 (10%↓) 양자 컴퓨팅: 이론에서 응용까지     31,500원 (10%↓) 파이썬을 활용한 지리공간 분석 마스터하기 : GeoDjango, CARTOframes, MapboxGL-Jupyter를 활용한 GIS 프로세싱     36,000원 (10%↓) 통계 분석 너머 R의 무궁무진한 활용 : 워드/PDF/HTML 문서, 웹 사이트, 웹 애플리케이션, 다이내믹 데이터 시각화     36,000원 (10%↓) 텐서플로를 이용한 고급 딥러닝 : 수학의 기초와 함께 이해하는 파이썬 딥러닝     31,500원 (10%↓) 크롤리의 통계학 강의 : R을 활용한 입문     27,000원 (10%↓) 크롤리 교수의 통계학과 R 언어 세트     70,200원 (10%↓) 정보 스토리지와 관리 : 클라우드 컴퓨팅 시대의 정보 저장과 관리 보호 기법     36,000원 (10%↓) 엔터프라이즈 빅데이터 레이크 : 효율적인 데이터 레이크 도입과 모범 사례     27,000원 (10%↓) 양자 컴퓨터 원리와 수학적 기초 : 스핀부터 큐비트, 얽힘, 중첩, 양자 알고리즘, 양자 암호화     22,500원 (10%↓) 수학 없이 배우는 데이터 과학과 알고리즘 : 모두를 위한 데이터 사이언스     12,420원 (10%↓) 생명과학을 위한 딥러닝 : 생물학, 유전체학, 신약 개발에 적용하는 실무 딥러닝     22,500원 (10%↓) 머신 러닝(Machine Learning)     54,000원 (10%↓) 머신 러닝 알고리즘 : 파이썬 예제와 함께 배우는 머신 러닝     31,500원 (10%↓) 데이터 예측을 위한 머신 러닝 : 기본 알고리즘 및 적용 예제, 사례 연구로 살펴보는     40,500원 (10%↓) 데이터 시각화(Visualizing Data) : Processing을 이용한 데이터 탐색과 표현     31,500원 (10%↓) 데이터 마이닝 개념과 기법     45,000원 (10%↓) 데이터 마이닝 Data mining : 데이터 속 숨은 의미를 찾는 기계 학습의 이론과 응용     43,200원 (10%↓) 데이터 과학 입문자를 위한 R : 설치부터 패키지 개발까지 R로 시작하는 데이터 과학     36,000원 (10%↓) Splunk 7 에센셜 3/e : 데이터셋활용, 보고서제작, 강력한 정보 공유를 통한 머신 데이터 파헤치기     21,600원 (10%↓) R로 하는 쉬운 딥러닝     18,000원 (10%↓) Data Smart : 엑셀로 이해하는 데이터 과학 입문     27,000원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 3 : Deep Convolution Neural Nets의 이해와 구현     25,200원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 2 : 복소수 영역에서의 오토인코더 이해와 구현     25,200원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 1 : Restricted Boltzman Machine의 이해와 Deep Belief Nets 구현     27,000원 (10%↓) C++와 CUDA C로 구현하는 딥러닝 알고리즘 세트 : RBM부터 CNN, 오토인코더까지 코딩하며 깨우치는 딥러닝의 원리     70,200원 (10%↓) Building Machine Learning Systems with Python(한국어판) : Scikit-learn 라이브러리로 구현하는 기계 학습 시스템     27,000원 (10%↓)

• 
• 
• 머신러닝을 통한 모델 학습을 통계학적 체계 내에서 설명한다. 다양한 통계 이론을 살펴보고, 회귀에서 신경망에 이르는 머신러닝 알고리즘에서 이들이 어떠한 의의가 있는지 배울 수 있다. 단순히 머신러닝 모델을 적용하는 것을 넘어 모델의 이론적 배경을 이해함으로써 데이터에서 더욱 깊은 인사이트를 얻고자 하는 사람에게 추천한다.
• 
• ★ 이 책의 대상 독자 ★ 통계학, 인공지능, 공학, 금융 등 다양한 분야의 연구자와 학생을 위해 썼다. 이 책을 읽는 독자가 선형회귀를 포함한 기본 주제를 다루는 통계학의 기초 강의를 적어도 하나는 수강했기를 기대한다. 학습법의 포괄적인 안내서를 쓰기보다는 가장 중요한 기술 몇 가지를 설명하고자 했다. 또한 하부 개념과 고려 사항을 설명해 연구자가 학습법을 판단할 수 있게 했다. 수학적 세부 사항보다는 개념을 강조해 직관적인 방식으로 작성했다. 우리는 자연스럽게 통계학자로서의 배경과 전문 분야를 반영하게 될 것이다. 그러나 과거 8년 동안 신경망, 데이터 마이닝과 머신러닝에 관한 콘퍼런스에 참여했으며, 이러한 흥미진진한 분야에 크게 영향을 받았다. ★ 이 책의 구성 ★ 복잡한 방법을 완전히 파악하려 하기 전에 반드시 간단한 방법부터 이해해야 한다. 따라서 2장에서 지도 학습 문제에 관한 개요를 제공한 다음 3장과 4장에서 회귀와 분류를 위한 선형 방법을 논의한다. 5장에서는 단일 예측변수를 위한 스플라인(spline), 웨이블렛(wavelet)과 정칙화/벌점화법을 설명하며, 6장에서는 커널 방법과 국소 회귀(local regression)를 다룬다. 이들 방법 모두 고차원 학습 기법의 중요한 기본 토대가 된다. 모델 평가와 선택이 7장의 주제이며, 편향과 분산의 개념, 과적합 및 모형 선택을 위한 교차 검증과 같은 방법을 다룬다. 8장은 최대가능도, 베이지안 추론과 부트스트랩, EM 알고리즘, 깁스 샘플링, 배깅(bagging)의 개요를 포함해 모형 추론과 평균화에 관해 논의한다. 부스팅(boosting)이라 부르는 과정은 10장에서 집중적으로 다룬다. 9장부터 13장까지는 지도 학습을 위한 일련의 구조적 방법을 설명한다. 특히 9장과 11장에서는 회귀를 다루며 12장과 13장에서는 분류에 집중한다. 14장에서는 비지도 학습을 위한 방법에 관해 설명한다. 최근에 알려진 기법인 랜덤 포레스트와 앙상블 학습은 15장과 16장에서 논의한다. 무방향 그래프 모델은 17장에서 설명하며, 마지막으로 18장에서 고차원 문제를 공부한다. 각 장의 마지막에서는 관측치와 예측자의 개수에 따라 어떻게 연산이 확장되는지 등을 포함해 데이터 마이닝 응용법에 중요한 연산적 고려 사항에 관해 논의한다. 각 장은 자료를 위한 배경 참조를 제공하는 참고문헌으로 마무리된다. 먼저 1장부터 4장까지 순서대로 읽기를 추천한다. 7장 또한 모든 학습법에 관련된 핵심 개념을 다루므로 의무적으로 읽어야 한다. 책의 나머지는 독자의 흥미에 따라 순서대로 읽거나 혹은 선택해서 읽을 수 있다. ★ 옮긴이의 말 ★ 이 책은 Springer에서 출간된 『Elements of Statistical Learning, Second Edition』을 번역한 것입니다. 원서의 공동 저자 3인은 모두 스탠퍼드대학교 통계학과 교수들로 탁월한 학문적 성과로 명성이 높은 분들이며, 이 책 또한 여러 논문에서 많이 인용되고 있습니다. 이 책의 서문을 펴 볼 정도로 머신러닝에 관심이 많은 독자 분이라면 통계학을 포장해 머신러닝이라고 부른다는 내용의 재미있는 밈(meme)을 보신 적이 있을 것입니다. 이러한 밈이 단순히 농담으로만 보이지 않는 것은 비단 저뿐만이 아닐 것입니다. 머신러닝을 더 잘 알기 위해서는 통계학을 피할 수 없다는 점이야말로 제가 이 책의 번역을 맡기로 한 근본적인 이유가 아닐까 합니다. 요즘은 문제를 무조건 딥러닝으로 해결하려는 분위기가 강합니다. 하지만 저자들이 1장에서 언급한 바와 같이 저 또한 복잡한 방법을 시도하기 전에 단순한 방법을 이해하는 것이 중요합니다. 물론 통계적, 수학적 지식이 부족...하더라도 데이터에 머신러닝 모델을 적용하는 것은 어려운 일이 아닙니다. 그러나 이 책은 더 나아가 모델의 밑바탕에 깔린 개념을 폭넓게 이해함으로써, 주어진 문제를 해결하고 데이터로부터 더욱 깊은 통찰을 얻을 수 있는 실질적인 힘을 기르도록 도와줄 것입니다. 이 책과 함께 통계적 이론 및 회귀와 분류, 커널과 기저, 정칙화, 가법적 모델 등 여러 주제에 대해 더 깊이 공부할 수 있다면 향후 다양한 주제를 학습하는 데 큰 도움이 되리라 생각합니다. 저자들은 적어도 독자들이 기본적인 통계학을 수강했기를 기대하고 있지만, 이 책을 잘 이해하는 데 그 정도로 충분하다고 하기에는 힘든 것이 사실입니다. 책과 함께하면서 미적분학, 선형대수학, 확률론, 통계학 등 부족하다고 생각하는 부분을 함께 학습하시기를 권해드립니다. 원서의 정오표(https://web.stanford.edu/~hastie/ElemStatLearn/)는 웹사이트의 ‘Errata for the 2nd Edition, after 12th printing (January 2017) and not yet reflected in online version’을 기준으로 반영돼 있습니다. 용어는 한국통계학회(http://www.kss.or.kr/) 및 대한수학회(http://www.kms.or.kr/main.html)의 용어집을 표준으로 삼고자 했으며, 그 밖의 용어는 인터넷 검색을 통해 가장 빈번하게 쓰이는 용어를 사용하고자 노력했습니다.
• 
• 1장. 소개 2장. 지도 학습의 개요 __2.1 소개 __2.2 변수 타입과 용어 __2.3 예측을 위한 단순한 두 접근법: 최소 제곱과 최근접이웃 ____2.3.1 선형 모델과 최소 제곱42 ____2.3.2 최근접이웃 방법 ____2.3.3 최소제곱에서 최근접이웃까지 __2.4 통계적 결정 이론 __2.5 고차원에서의 국소적 방법 __2.6 통계적 모델, 지도 학습 및 함수 근사60 ____2.6.1 결합분포 Pr(X, Y )를 위한 통계적 모델 ____2.6.2 지도 학습 ____2.6.3 함수 근사 __2.7 구조화된 회귀 모델 ____2.7.1 문제의 어려움 __2.8 제한된 추정량의 종류 ____2.8.1 조도 벌점과 베이즈 방법 ____2.8.2 커널법과 국소 회귀 ____2.8.3 기저함수와 딕셔너리 방법 __2.9 모델 선택과 편향 - 분산 상반관계 __참고문헌 __연습 문제 3장. 회귀를 위한 선형법 __3.1 소개 __3.2 선형회귀 모델과 최소제곱 ____3.2.1 예제: 전립선암 ____3.2.2 가우스-마코프 정리 ____3.2.3 단순 일변량 회귀로부터의 다중회귀 ____3.2.4 다중 출력 __3.3 부분집합 선택 ____3.3.1 최량 부분집합 선택 ____3.3.2 전진 및 후진 스텝별 선택 ____3.3.3 전진 - 스테이지별 회귀 _...___3.3.4 전립선암 데이터 예제(계속) __3.4 수축법 ____3.4.1 릿지회귀 ____3.4.2 라쏘 ____3.4.3 논의: 부분집합 선택, 릿지회귀 그리고 라쏘 ____3.4.4 최소각회귀 __3.5 유도된 입력 방향을 사용하는 방법들 ____3.5.1 주성분회귀 ____3.5.2 부분최소제곱 __3.6 논의: 선택법과 수축법 비교 __3.7 다중 결과 수축 및 선택 __3.8 라쏘 및 관련된 경로 알고리즘에 관한 추가 내용 ____3.8.1 증가적 전진 스테이지별 회귀 ____3.8.2 조각별 - 선형 경로 알고리즘 ____3.8.3 댄치그 선택자 ____3.8.4 그룹화 라쏘 ____3.8.5 라쏘의 추가적인 속성 ____3.8.6 경로별 좌표 최적화 __3.9 연산적 고려 사항 __참고문헌 __연습 문제 4장. 분류를 위한 선형법 __4.1 소개 __4.2 지시행렬의 선형회귀 __4.3 선형판별분석 ____4.3.1 정칙판별분석 ____4.3.2 LDA를 위한 연산 ____4.3.3 축소된 랭크 선형판별분석 __4.4 로지스틱회귀 ____4.4.1 로지스틱회귀 모델 적합 ____4.4.2 예제: 남아프리카인 심장병 ____4.4.3 이차근사 및 추론 ____4.4.4 L1 정칙화 로지스틱회귀 ____4.4.5 로지스틱회귀 아니면 LDA? __4.5 분리초평면 ____4.5.1 로젠블랫의 퍼셉트론 학습 알고리즘 ____4.5.2 최적 분리초평면 __참고문헌 __연습 문제 5장. 기저전개와 정칙화 __5.1 소개 __5.2 조각별 다항식과 스플라인 ____5.2.1 자연 삼차 스플라인 ____5.2.2 예제: 남아프리카 심장 질환(계속) ____5.2.3 예제: 음소 인식 __5.3 필터링과 특성 추출 __5.4 평활 스플라인 ____5.4.1 자유도와 평활자 행렬 __5.5 평활화 매개변수의 자동적 선택 ____5.5.1 자유도 고정하기 ____5.5.2 편향 - 분산 상반관계 __5.6 비모수적 로지스틱회귀 __5.7 다차원 스플라인 __5.8 정칙화 및 재생 커널 힐베르트 공간 ____5.8.1 커널에 의해 생성된 함수의 공간 ____5.8.2 RKHS 예시 __5.9 웨이블릿 평활화 ____5.9.1 웨이블릿 기저와 웨이블릿 변환 ____5.9.2 적응적 웨이블릿 필터링 __참고문헌 __연습 문제 __부록: 스플라인 연산 ____B - 스플라인 ____평활 스플라인의 연산 6장. 커널 평활법 __6.1 1차원 커널 평활자 ____6.1.1 국소 선형회귀 ____6.1.2 국소 다항회귀 __6.2 커널의 너비 선택하기 __6.3 Rp에서의 국소 회귀 __6.4 Rp에서의 구조적 국소 회귀 모델 ____6.4.1 구조화 커널 ____6.4.2 구조화 회귀함수 __6.5 국소 가능도 및 다른 모델 __6.6 커널 밀도 추정 및 분류 ____6.6.1 커널 밀도 추정 ____6.6.2 커널 밀도 분류 ____6.6.3 단순 베이즈 분류기 __6.7 방사기저함수와 커널 __6.8 밀도 추정과 분류를 위한 혼합 모델 __6.9 연산 고려 사항 __참고문헌 __연습 문제 7장. 모델 평가 및 선택 __7.1 소개 __7.2 편향, 분산, 모델 복잡도 __7.3 편향-분산 분해 ____7.3.1 예제: 편향 - 분산 상반관계 __7.4 훈련 오류율에 관한 낙관도 __7.5 표본-내 예측오차의 추정값 __7.6 매개변수의 유효 개수 __7.7 베이즈 접근법과 BIC __7.8 최소 설명 길이 __7.9 밥닉-체브넨키스 차원 ____7.9.1 예제(계속) __7.10 교차 검증 ____7.10.1 K-겹 교차 검증 ____7.10.2 교차 검증을 하는 잘못된 그리고 옳은 방법 ____7.10.3 교차 검증은 정말로 작동하는가? __7.11 부트스트랩법 ____7.11.1 예제(계속) __7.12 조건부 혹은 기대 테스트 오차 __참고문헌 __연습 문제 8장. 모델 추론과 평균화 __8.1 소개 __8.2 부트스트랩과 최대가능도 방법 ____8.2.1 평활화 예제 ____8.2.2 최대가능도 추정 ____8.2.3 부트스트랩 대 최대가능도 __8.3 베이즈 방법 __8.4 부트스트랩과 베이즈 추정 사이의 관계 __8.5 EM 알고리즘 ____8.5.1 2 - 성분 혼합모델 ____8.5.2 일반적인 EM 알고리즘 ____8.5.3 최대화 - 최대화 과정으로써의 EM __8.6 사후분포로부터 표본 추출을 위한 MCMC __8.7 배깅 ____8.7.1 예제: 시뮬레이션 데이터로 된 트리 __8.8 모델 평균화와 스태킹 __8.9 확률적 검색: 범핑 __참고문헌 __연습 문제 9장. 가법 모델, 트리 및 관련 방법들 __9.1 일반화 가법 모델 ____9.1.1 가법 모델 적합시키기 ____9.1.2 예제: 가법 로지스틱회귀 ____9.1.3 요약 __9.2 트리 기반 방법 ____9.2.1 배경 ____9.2.2 회귀 트리 ____9.2.3 분류 트리 ____9.2.4 다른 문제들 ____9.2.5 스팸 예제(계속) __9.3 PRIM: 범프 헌팅 ____9.3.1 스팸 예제(계속) __9.4 MARS: 다변량 적응적 회귀 스플라인 ____9.4.1 스팸 데이터(계속) ____9.4.2 예제(시뮬레이션된 데이터) ____9.4.3 다른 문제들 __9.5 전문가 계층 혼합 __9.6 결측 데이터 __9.7 연산 고려 사항 __참고문헌 __연습 문제 10장. 부스팅과 가법 트리 __10.1 부스팅법 ____10.1.1 개요 __10.2 부스팅 적합과 가법 모델 __10.3 전진 스테이지별 가법 모델링 __10.4 지수손실과 에이다 부스트 __10.5 왜 지수손실인가? __10.6 손실함수와 로버스트성 __10.7 데이터 마이닝을 위한 “기성품” 같은 과정 __10.8 예제: 스팸 데이터 __10.9 부스팅 트리 __10.10 경사 부스팅을 통한 수치적 최적화 ____10.10.1 최급하강 ____10.10.2 경사 부스팅 ____10.10.3 경사 부스팅의 구현 __10.11 부스팅을 위한 적절한 크기의 트리 __10.12 정칙화 ____10.12.1 수축 ____10.12.2 부표집 __10.13 해석 ____10.13.1 예측변수의 상대 중요도 ____10.13.2 부분 의존도 도표 __10.14 삽화 ____10.14.1 캘리포니아 주택 ____10.14.2 뉴질랜드 물고기 ____10.14.3 인구통계 데이터 __참고문헌 __연습 문제 11장. 신경망 __11.1 소개 __11.2 사영추적 회귀 __11.3 신경망 __11.4 신경망 적합시키기 __11.5 신경망을 훈련시킬 때의 문제 ____11.5.1 시작값 ____11.5.2 과적합 ____11.5.3 입력변수의 척도화 ____11.5.4. 은닉 유닛과 층의 개수 ____11.5.5 복수의 최솟값들 __11.6 예제: 시뮬레이션 데이터 __11.7 예제: 우편번호 데이터 __11.8 논의 __11.9 베이즈 신경망과 NIPS 2003 챌린지 ____11.9.1 베이즈, 부스팅, 배깅 ____11.9.2 성능 비교 __11.10 연산 고려 사항 __참고문헌 __연습 문제 12장. 서포트벡터머신과 유연한 판별식 __12.1 도입 __12.2 서포트벡터분류기 ____12.2.1 서포트벡터분류기 연산하기 ____12.2.2 혼합 예제(계속) __12.3 서포트벡터머신과 커널 ____12.3.1 분류를 위한 SVM 연산 ____12.3.2 벌점화 방법으로서의 SVM ____12.3.3 함수 추정과 재생커널 ____12.3.4 SVM과 차원성의 저주 ____12.3.5 SVM 분류기를 위한 경로 알고리즘 ____12.3.6 회귀를 위한 서포트벡터머신 ____12.3.7 회귀와 커널 ____12.3.8 논의 __12.4 선형판별분석 일반화 __12.5 유연한 판별분석 ____12.5.1 FDA 추정값 계산하기 __12.6 벌점화 판별분석 __12.7 혼합판별분석 ____12.7.1 예제: 파형 데이터 __12.8 연산 고려 사항 __참고문헌 __연습 문제 13장. 프로토타입 방법과 최근접이웃법 __13.1 개요 __13.2 프로토타입법 ____13.2.1 K- 평균 군집화 ____13.2.2 학습 벡터 양자화 ____13.2.3 가우스 혼합 __13.3 K-최근접이웃 분류기 ____13.3.1 예제: 비교 연구 ____13.3.2 예제: K - 최근접이웃과 이미지 장면 분류 ____13.3.3 불변 계량과 탄젠트 거리 __13.4 적응적 최근접이웃법 ____13.4.1 예제 ____13.4.2 최근접이웃을 위한 전역 차원 축소 __13.5 연산 고려 사항 __참고문헌 __연습 문제 14장. 비지도 학습 __14.1 개요 __14.2 연관성 규칙 ____14.2.1 시장 바스켓 분석 ____14.2.2 아프리오리 알고리즘 ____14.2.3 예제: 시장 바스켓 분석 ____14.2.4 지도 학습 같은 비지도 ____14.2.5 일반화 연관성 규칙 ____14.2.6 지도 학습법의 선택 ____14.2.7 예제: 시장 바스켓 분석(계속) __14.3 군집분석 ____14.3.1 근접도 행렬 ____14.3.2 속성에 근거한 비유사도 ____14.3.3 개체 비유사도 ____14.3.4 군집화 알고리즘 ____14.3.5 조합적 알고리즘 ____14.3.6 K - 평균 ____14.3.7 K - 평균 연군집화로서의 가우스 혼합 ____14.3.8 예제: 인간 종양 미세 배열 데이터 ____14.3.9 벡터 양자화 ____14.3.10 K- 중위점 ____14.3.11 실제적인 문제 ____14.3.12 계층적 군집화 __14.4 자기 조직화 맵 __14.5 주성분, 주곡선과 주표면 ____14.5.1 주성분 ____14.5.2 주곡선과 주표면 ____14.5.3 스펙트럼 군집화 ____14.5.4 커널 주성분 ____14.5.5 희박 주성분 __14.6 비음수행렬 분해 ____14.6.1 원형분석 __14.7 독립성분분석과 탐색적 사영추적 ____14.7.1 잠재변수와 인자분석 ____14.7.2 독립성분분석 ____14.7.3 탐색적 사영추적 ____14.7.4 ICA의 직접적 접근법 __14.8 다차원 척도화 __14.9 비선형 차원 축소와 국소 다차원 척도화 __14.10 구글 페이지랭크 알고리즘 __참고문헌 __연습 문제 15장. 랜덤포레스트 __15.1 개요 __15.2 랜덤포레스트의 정의 __15.3 랜덤포레스트의 세부 사항 ____15.3.1 아웃오브백 표본 ____15.3.2 변수 중요도 ____15.3.3 근접도 도표 ____15.3.4 랜덤포레스트와 과적합 __15.4 랜덤포레스트의 분석 ____15.4.1 분산 및 역상관 효과 ____15.4.2 편향 ____15.4.3 적응적 최근접이웃 __참고문헌 __연습 문제 16장. 앙상블 학습 __16.1 개요 __16.2 부스팅과 정칙화 경로 ____16.2.1 벌점화 회귀 ____16.2.2 “희박성 베팅” 원칙 ____16.2.3 정칙화 경로, 과적합 그리고 마진 __16.3 학습 앙상블 ____16.3.1 좋은 앙상블 학습하기 ____16.3.2 규칙 앙상블 __참고문헌 __연습 문제 17장. 무향 그래프 모델 __17.1 개요 __17.2 마코프 그래프 및 이들의 속성 __17.3 연속형 변수를 위한 무향 그래프 모델 ____17.3.1 그래프 구조가 알려져 있을 때 매개변수의 추정 ____17.3.2 그래프 구조의 추정 __17.4 이산변수를 위한 무향 그래프 모델 ____17.4.1 그래프 구조가 알려져 있을 때 매개변수의 추정 ____17.4.2 은닉 노드 ____17.4.3 그래프 구조의 추정 ____17.4.4 제약된 볼츠만 머신 __참고문헌 __연습 문제 18장. 고차원 문제: p≪N __18.1 p가 N보다 훨씬 클 때 __18.2 대각 선형판별분석과 최근접 수축 중심점 __18.3 이차 정칙화 선형 분류기 ____18.3.1 정칙판별분석 ____18.3.2 이차 정칙화로 된 로지스틱회귀 ____18.3.3 서포트벡터분류기 ____18.3.4 특성 선택 ____18.3.5 p ≫ N일 때 연산적인 지름길 __18.4 L1 정칙화 선형 분류기 ____18.4.1 단백질 질량 분광분석의 라쏘 적용 ____18.4.2 함수형 데이터를 위한 퓨즈화 라쏘 __18.5 특성을 쓸 수 없을 때의 분류 ____18.5.1 예제: 문자열 커널과 단백질 분류 ____18.5.2 내적 커널과 쌍별 거리를 사용하는 분류 및 다른 ____18.5.3 예제: 초록 분류 __18.6 고차원 회귀: 지도 주성분 ____18.6.1 잠재변수 모델링과의 연결성 ____18.6.2 부분최소제곱과의 관계 ____18.6.3 특성 선택을 위한 전제조건화 __18.7 특성 평가와 다중검정 문제 ____18.7.1 오발견율 ____18.7.2 비대칭 절단점과 SAM 과정 ____18.7.3 FDR의 베이즈적 해석 __18.8 참고문헌 __연습 문제
• 
• 

• 로버트 팁시라니, 제롬 프리드먼 [저]

• 이판호 [저]

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.