머신러닝은 주어진 데이터만을 이용하여 예측, 분류, 차원축소, 생성, 재생 등을 실행하는 데이터과학 모형을 말한다. 통계학에서는 데이터에 대한 가정을 바탕으로 상당한 수준의 통계적, 수학적 지식을 이용하여 추정, 검정, 예측 등의 통계적 추론을 하게 된다.
그러나 머신러닝은 데이터에 대한 가정 없이 주어진 데이터만으로 좋은 통계적 추론을 도출할 수 있도록 데이터의 split, sample weights, resampling, randomization 등으로 통계학의 기본조건을 충족시키고 있다. 그러므로 통계학의 기본조건이 무엇인지를 알아야 머신러닝의 근간을 이해할 수 있고 이를 바탕으로 자신만의 성능이 우수한 머신러닝 모형을 개발할 수 있다.
Chapter 1 통계학의 원리와 머신러닝
1.1 좋은 데이터란?
1.2 모형과 오차항의 역할
1.3 데이터의 split, weight, 그리고 resampling
1.4 통계적 머신러닝, 딥러닝, 그리고 강화학습
1.5 AI 모형과 손실함수
1.6 자료분석 절차, 모형의 요약
1.7 Data Scientist에 필요한 AI 지식
Chapter 2 사전과정과 최적화
2.1 실수자료로의 전환
2.2 자료의 특성
2.3 사례분석
2.4 불균형자료의 처리
2.5 특성변수의 선택
2.6 손실함수와 최적화
Chapter 3 데이터 시각화
3.1 AutoViz
3.2 Bamboolib
3.3 Plotly
Chapter 4 K-Nearest Neighbors
4.1 KNN의 적용
4.2 커널분포함수 추정
Chapter 5 로지스틱 회귀 분류
5.1 적응선형뉴런
5.2 로지스틱 회귀
5.3 과대적합에 대한 규제화
5.4 Scikit을 이용한 로지스틱 회귀
Chapter 6 판별분석과 단순베이즈모형
6.1 판별분석
6.2 단순베이즈모형
6.3 Scikit learn을 이용한 LDA와 단순베이즈모형
Chapter 7 분류와 회귀나무
7.1 회귀나무
7.2 분류나무
7.3 Scikit learn을 이용한 의사결정나무
Chapter 8 써포트벡터머신
8.1 써포트벡터머신
8.2 커널 SVM
8.3 Sklearn을 이용한 SVM
Chapter 9 차원축소
9.1 특잇값 분해
9.2 확률화 PC...A
9.3 커널 PCA
9.4 요인분석
9.5 선형판별분석을 통한 차원축소
9.6 시각화를 위한 차원축소
9.7 Sklearn을 이용한 차원축소
Chapter 10 오차분석, 자료분할, 초모수 조절
10.1 오차분석
10.2 자료 분할
10.3 초모수 조절
10.4 교차검증
Chapter 11 회귀분석
11.1 선형회귀모형
11.2 Quantile 회귀
11.3 로버스트 회귀
11.4 SVM 회귀와 커널 SVM 회귀
11.5 규제화된 선형회귀모형
11.6 Scikit learn을 이용한 회귀분석
Chapter 12 군집
12.1 K-means 군집
12.2 계층적 군집
12.3 DBSCAN과 HDBSCAN
12.4 Scikit learn을 이용한 군집
Chapter 13 앙상블학습
13.1 Bagging, Pasting, 그리고 Random forest
13.2 앙상블학습을 위한 통계적 머신러닝의 특성
13.3 아다부스트
13.4 기울기부스팅
13.5 XGBoost
13.6 LightGBM
13.7 CatBoost
13.8 적용사례
Chapter 14 XGBoost, LightGBM, CatBoost의 비교와 특성
14.1 전통적 통계모형과의 비교: 회귀
14.2 XGBoost, LightGBM, CatBoost에서의 특성변수의 중요도와 효과
14.3 전통적 통계모형과의 비교: 분류
Chapter 15 Bagging과 Boosting
15.1 Decision Tree
15.2 Random Forest
15.3 Gradient Boosting
15.4 분류
Chapter 16 XGBoost, LightGBM, CatBoost의 초모수의 특성과 튜닝
16.1 수렴속도 비교
16.2 초모수의 비교와 튜닝
16.3 불균형자료의 처리
Chapter 17 메타모형과 모형자동화
17.1 메타모형
17.2 모형의 자동화
Chapter 18 감성분석
18.1 감성분석
18.2 파이썬을 이용한 사례 분석
참고문헌
연습문제 해설
찾아보기
머신러닝은 주어진 데이터만을 이용하여 예측, 분류, 차원축소, 생성, 재생 등을 실행하는 데이터과학 모형을 말한다. 통계학에서는 데이터에 대한 가정을 바탕으로 상당한 수준의 통계적, 수학적 지식을 이용하여 추정, 검정, 예측 등의 통계적 추론을 하게 된다. 그러나 머신러닝은 데이터에 대한 가정 없이 주어진 데이터만으로 좋은 통계적 추론을 도출할 수 있도록 데이터의 split, sample weights, resampling, randomization 등으로 통계학의 기본조건을 충족시키고 있다. 그러므로 통계학의 기본조건이 무엇인지를 알아야 머신러닝의 근간을 이해할 수 있고 이를 바탕으로 자신만의 성능이 우수한 머신러닝 모형을 개발할 수 있다.
통계학의 기본조건은 주어진 데이터가 미지의 모집단으로부터의 임의표본이며, 이러한 임의표본은 반복해서 추출할 수 있다는 가정이다. 임의표본이란 표본이 미지의 모집단으로부터 하게 추출되었다는 의미로, 간단하게 말해서 주어진 데이터가 미지의 모집단을 잘 대표하게 뽑혔다는 말이 된다. 두 번째 가정인 반복적 임의표본추출은 통계학의 이론적 추론을 가능하게 하여 수리통계학과 확률론의 근간을 제공한다.
그러나 실제 문제에서는 데이터셋 하나만 관측되었을 뿐이다. 머신러닝에서는 데이터의 shuffling을 전제로 한 split과 resampling을 통해, 통계학의 임의표본과 반복추출된 임의표본을 실제로 구현해서 다양한 통계적 추론을 하게 된다. 이 이상의 추가적인 수학적, 통계적 지식은 불필요하다. 통계학에서처럼 모형은 맞지만 모형에 있는 모수만 모른다는 불합리한 가정도 하지 않으며, 단지 데이터의 split을 통해 모형이 맞는지 그리고 모수추정이 제대로 되었는지를 쉽게 점검할 수 있다. resampling을 통해 보다 정밀한 통계적 추론이 가능하고 특히 bagging이라는 앙상블러닝을 실행할 수 있다. 표본별 중요도에 따라 가중치를 부여하는 것을 표본 weights라고 한다. 표본 weight는 K-nearest neighborhood를 기반으로 하는 모든 통계적 기법과 최첨단 모형인 boosting에서 사용하며 머신러닝에서 모수를 추정하기 위한 목적함수인 손실함수에 이용된다. randomization은 모형이 불필요한 잡음(noise)마저 학습했는지를 점검하는 중요한 수단이다.
그러므로 split, sample weights, resampling, 그리고 randomization라는 keyword를 가지고 이 책을 읽고 이해한다면 여러분은 통계적 기본원리와 머신러닝의 방법론이 어떻게 융합되었는지를 습득했다고 생각해도 된다. 그러면 이 책의 주제인 통계적 머신러닝에 이어서 공부해야 할 딥러닝, 강화학습, XAI, 그리고 필요시 시계열분석까지 AI 분석 모형들의 여행을 큰 어려움 없이 나아갈 수 있을 것이다. 이러한 관점에서 제1장을 꼼꼼히 읽어 보고 주어진 코드를 실행해 보는 것은 앞의 네 가지 keywords를 체험적으로 이해할 수 있도록 해준다.
좋은 책을 위해 최선을 다했지만 부족한 부분이 있을 수 있다. 이 점은 양해를 바라며, 출간 후에 나올 수 있는 수정사항 등은 자유아카데미 홈페이지 자료실(www.freeaca.com)에 제공할 예정이니 참고 바란다. 끝으로 이 책의 개념도를 그려준 박진세 군에게 감사의 마음을 전하며, 끊임없는 성원과 사랑으로 지원을 아끼지 않은 사랑하는 아내와 딸아이에게도 감사한 마음을 전한다.
박유성 [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.
;)
;){kind=small}
전체 0개의 구매후기가 있습니다.
교환 및 반품이 가능한 경우 
상품을 공급 받은 날로부터 7일이내 가능 
상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다.
상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며,
상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다.
~ 
상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로
상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다.
