장바구니 담기 close

장바구니에 상품을 담았습니다.

장바구니로 계속쇼핑하기
R을 활용한 머신 러닝
미리보기

R을 활용한 머신 러닝

  • 브레트 란츠
  • |
  • 에이콘출판
  • |
  • 2017-09-15 출간
  • |
  • 576페이지
  • |
  • 189 X 236 X 28 mm /1043g
  • |
  • ISBN 9791161750538
★★★★★ 평점(10/10) | 리뷰(1)
판매가

36,000원

즉시할인가

32,400 원

배송비

무료배송

(제주/도서산간 배송 추가비용:3,000원)

추가상품
상품선택
독서대 7,900원 독서대 선택안함 0원
수량
+ -
총주문금액
32,400원
장바구니 구매하기

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

북스크린영상으로 만나보는 한 권의 책 이야기

출판사서평

★ 이 책에서 다루는 내용 ★
■ R의 힘을 이용해서 실제 데이터 과학 응용으로 일반적인 머신 러닝 알고리즘 구축
■ 분석을 위한 데이터 정제 및 준비와 결과를 시각화하기 위한 R 기술 이해
■ 여러 종류의 머신 러닝 모델을 찾아 데이터 요구사항 충족 및 분석 문제를 해결하기 위한 최고의 모델 파악
■ 베이지안과 최근접 이웃 방법을 이용한 데이터 분류
■ 의사결정 트리, 규칙, 서포트 벡터 머신을 구축한 값 예측
■ 선형 회귀를 이용한 수치 값 예측과 신경망을 이용한 데이터 모델링
■ 머신 러닝 모델의 성능 평가와 개선
■ 텍스트 마이닝, 소셜 네트워크 데이터, 빅데이터에 특화된 머신 러닝 기법

★ 이 책의 대상 독자 ★
이 책은 데이터를 실전에 사용하고 싶은 사람들을 위한 책이다. 머신 러닝에 대해 이미 조금은 알고 있지만 R을 사용해보지 않았거나 R에 대해 조금 알지만 머신 러닝은 처음일 수 있다. 어떤 경우든 이 책을 통해 빠르게 학습하고 응용할 수 있게 될 것이다. 기본적인 수학과 프로그래밍 개념을 조금이라도 아는 것이 머신 러닝을 배우는 데에 도움 되겠지만, 이전의 경험은 필요 없다. 오직 필요한 것은 호기심뿐이다.

★ 이 책의 구성 ★
1장, '머신 러닝 소개'에서는 기계 학습자(machine learner)를 정의하고 구분해주는 용어와 개념을 살펴보고 학습 작업을 적절한 알고리즘에 매칭하는 방법을 제시한다.
2장, '데이터의 관리와 이해'에서는 R을 이용해서 데이터를 직접 다룰 수 있는 기회를 제공한다. 데이터를 로딩하고 탐색하고 이해하는 데 사용되는 필수 데이터 구조와 절차를 설명한다.
3장, '게으른 학습: 최근접 이웃 분류'에서는 단순하지만 강력한 머신 러닝 알고리즘을 이해하고 첫 번째 실제 작업인 암의 악성 샘플 식별에 적용하는 방법을 알려준다.
4장, '확률적 학습: 나이브 베이즈 분류'에서는 최첨단 스팸 필터링 시스템에서 사용하고 있는 확률의 핵심적인 개념을 소개한다. 독자는 자신만의 스팸 필터를 개발하는 과정에서 텍스트 마이닝의 기초를 배운다.
5장, '분할 정복: 의사결정 나무와 규칙 기반의 분류'에서는 예측을 정확하고 쉽게 설명하는 두 학습 알고리즘을 탐색한다. 이 방법은 투명성이 중요한 작업에 적용된다.
6장, '수치 데이터 예측: 회귀 방법'에서는 수치 예측에 사용되는 머신 러닝 알고리즘을 소개한다. 이 기법은 통계 분야에 아주 많이 포함돼 있으므로 수치 관계를 이해하는 데 필요한 필수 척도도 함께 알아본다.
7장, '블랙박스 방법: 신경망과 서포트 벡터 머신'에서는 복잡하고 강력한 두 종류의 머신 러닝 알고리즘을 다룬다. 수학이 위협적으로 보일 수 있겠지만, 내부 작동을 보여주는 예제와 함께 간단한 용어로 진행할 것이다.
8장, '패턴 찾기: 연관 규칙을 이용한 장바구니 분석'에서는 많은 소매업체가 채택한 추천 시스템의 알고리즘을 접할 수 있다. 소매업체가 나의 구매 습관을 나보다 더 잘 아는 이유가 궁금한 적이 있었다면 8장에서 그 비밀을 밝혀준다.
9장, '데이터 그룹 찾기: k-평균 군집화'에서는 관련 아이템을 군집화하는 절차를 알아본다. 이 알고리즘을 활용해서 온라인 커뮤니티에서 프로파일을 식별할 것이다.
10장, '모델 성능 평가'에서는 머신 러닝 프로젝트의 성공 여부를 측정하고 미래 데이터에 대해 학습자의 신뢰할 만한 성능 추정치를 얻는 방법에 대한 정보를 제공한다.
11장, '모델 성능 개선'에서는 머신 러닝 대회의 최상위 팀이 사용하는 방법을 밝힌다. 경쟁이 심하거나 단순히 데이터를 최대한 활용하고 싶다면 이런 기술을 레퍼토리에 추가할 필요가 있다.
12장, '특화된 머신 러닝 주제: 머신 러닝의 최첨단 분야를 탐구한다. 빅데이터로 작업하는 것부터 R 작업을 더 빠르게 하는 것까지 12장에서 다루는 주제는 R로 할 수 있는 범위를 넓히는 데 도움이 된다.

목차

1장. 머신 러닝 소개
__머신 러닝의 기원
__머신 러닝의 사용과 남용
____머신 러닝 성공 사례
____머신 러닝의 한계
____머신 러닝의 윤리
__기계의 학습 방법
____데이터 저장소
____추상화
____일반화
____평가
__실전 머신 러닝
____입력 데이터 타입
____머신 러닝 알고리즘 타입
____입력 데이터와 알고리즘 매칭
__R을 이용한 머신 러닝
____R 패키지 설치
____패키지 로딩과 언로딩
__요약

2장. 데이터의 관리와 이해
__R 데이터 구조
____벡터
____팩터
____리스트
____데이터 프레임
____행렬과 배열
__R을 이용한 데이터 관리
____데이터 구조 저장, 로드, 제거
____CSV 파일에서 데이터 가져오기와 저장하기
__데이터 탐색과 이해
____데이터 구조 탐색
____수치 변수 탐색
______중심 경향 측정: 평균과 중앙값
______분산 측정: 사분위수와 다섯 숫자 요약
______수치 변수의 시각화: 상자그림
______수치 변수 시각화: 히스토그램
______수치 데이터의 이해:균등 분포와 정규 분포
______분산 측정:분산과 표준 편차
__범주 변수 탐색
____중앙화 경향 측정: 모드
__변수 간의 관계 탐색
____관계 시각화: 산포도
____관계 관찰: 이원교차표
__요약

3장. 게으른 학습: 최근접 이웃 분류
__최근접 이웃 분류의 이해
____k-NN 알고리즘
______거리로 유사도 측정
______적절한 k 선택
______k-NN 사용을 위한 데이터 준비
____k-NN 알고리즘이 게으른 이유
__예제: k-NN 알고리즘으로 유방암 진단
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
______변환: 수치 데이터 정규화
______데이터 준비: 훈련 및 테스트 데이터셋 생성
____2단계: 데이터로 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
______변환: z-점수 표준화
______k대체 값 테스트
__요약

4장. 확률적 학습: 나이브 베이즈 분류
__나이브 베이즈 이해
____베이즈 방법의 기본 개념
______확률의 이해
______결합 확률의 이해
______베이즈 정리를 이용한 조건부 확률 계산
____나이브 베이즈 알고리즘
______나이브 베이즈를 이용한 분류
______라플라스 추정량
______나이브 베이즈에서 수치 특성 이용
__예제: 나이브 베이즈 알고리즘을 이용한 휴대폰 스팸 필터링
____1단계: 데이터 수집
____2단계: 데이터 탐색 및 준비
______데이터 준비: 텍스트 데이터 정리 및 표준화
______데이터 준비: 텍스트 문서를 단어로 나누기
______데이터 준비: 훈련 및 테스트 데이터셋 생성
______텍스트 데이터 가시화: 단어 구름
______데이터 준비: 자주 사용하는 단어의 지시자 특성 생성
____3단계: 데이터에 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

5장. 분할 정복: 의사결정 트리와 규칙 기반의 분류
__의사결정 트리의 이해
____분할 정복
____C5.0 의사결정 트리 알고리즘
______최고의 분할 선택
______의사결정 트리 가지치기
__예제: C5.0 의사결정 트리를 이용한 위험 은행 대출 식별
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
______데이터 준비: 랜덤한 훈련 및 테스트 데이터셋 생성
____3단계: 데이터에 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
______의사결정 트리의 정확도 향상
______다른 것보다 더 비싼 실수
__분류 규칙 이해
____분리 정복
____1R 알고리즘
____리퍼 알고리즘
____의사결정 트리에서 규칙 구성
____무엇이 트리와 규칙을 탐욕스럽게 만드는가?
__예제: 규칙 학습자를 이용한 독버섯 식별
____1단계: 데이터 수집
____2단계: 데이터 탐색과 준비
____3단계: 데이터에 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__요약

6장. 수치 데이터 예측: 회귀 방법
__회귀의 이해
____단순 선형 회귀
____보통 최소 제곱 추정
____상관관계
____다중 선형 회귀
__예제: 선형 회귀를 통한 의료비 예측
____1단계: 데이터 수집
____2단계: 데이터 탐색 및 준비
______특징 간 관계 탐색: 상관 행렬
______특징 간 관계 시각화: 산포도 행렬
____3단계: 데이터에 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
______모델 명시:비선형 관계 추가
______변환:수치 변수를 이진 지시 변수로 전환
______모델 명시: 상호작용 영향 추가
______모두 합치기: 개선된 회귀 모델
__회귀 트리와 모델 트리의 이해
____트리에 회귀 추가
__예제: 회귀 트리와 모델 트리로 와인 품질 평가
____1단계: 데이터 수집
____2단계: 데이터 탐색 및 준비
____3단계: 데이터에 대한 모델 훈련
______의사결정 트리 시각화
____4단계: 모델 성능 평가
______평균 절대 오차로 성능 측정
____5단계: 모델 성능 개선
__요약

7장. 블랙박스 방법: 신경망과 서포트 벡터 머신
__신경망의 이해
____생물학적 뉴런에서 인공 뉴런으로
____활성 함수
____네트워크 토폴로지
______계층 개수
______정보 이동 방향
______계층별 노드 개수
____역전파로 신경망 훈련
__예제: ANN으로 콘크리트 강도 모델링
____1단계: 데이터 수집
____2단계: 데이터 탐색 및 준비
____3단계: 데이터 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
__서포트 벡터 머신의 이해
____초평면을 이용한 분류
______선형적으로 분리 가능한 데이터의 경우
______비선형적으로 분리 가능한 데이터의 경우
____비선형 공간을 위한 커널의 사용
__예제: SVM으로 OCR 수행
____1단계: 데이터 수집
____2단계: 데이터 탐색 및 준비
____3단계: 데이터에 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 향상
__요약

8장. 패턴 찾기: 연관 규칙을 이용한 장바구니 분석
__연관 규칙의 이해
____연관 규칙 학습을 위한 아프리오리 알고리즘
____규칙 흥미 측정:지지도와 신뢰도
____아프리오리 원칙을 이용한 규칙 집합의 구축
__예제: 연관 규칙으로 자주 구매되는 식료품 식별
____1단계: 데이터 수집
____2단계: 데이터 탐색 및 준비
______데이터 준비:거래 데이터를 위한 희소 행렬 생성
______아이템 지지도 시각화:아이템 빈도 그래프
______거래 데이터 시각화:희소 행렬 도표화
____3단계: 데이터에 대한 모델 훈련
____4단계: 모델 성능 평가
____5단계: 모델 성능 개선
______연관 규칙 집합 정렬
______연관 규칙의 부분집합 구하기
______연관 규칙을 파일이나 데이터 프레임에 저장
__요약

9장 데이터 그룹 찾기: k-평균 군집화
군집화의 이해
머신 러닝 작업으로서 군집화
k-평균 군집화 알고리즘
거리 이용해 클러스터 할당 및 수정
적합한 클러스터 개수 선택
예제: k-평균 군집화를 이용한 십대 시장 세분화
1단계: 데이터 수집
2단계: 데이터 탐색 및 준비
데이터 준비: 결측치 더미 코딩
데이터 준비: 결측지 대체
3단계: 데이터에 대한 모델 훈련
4단계: 모델 성능 평가
5단계: 모델 성능 개선
요약

10장 모델 성능 평가
분류성능측정
R의 분류 예측 데이터 작업
혼동 행렬 자세히 보기
혼동 행렬을 사용한 성능 측정
정확도를 넘어: 다른 성능 척도
카파 통계량
민감도와 특이도
정밀도와 재현율
F-척도
성능트레이드오프 시각화
ROC 곡선
미래의 성능 예측
홀드아웃 방법
교차 검증
부트스트랩 샘플링
요약

11장 모델 성능 개선
성능 개선을 위한 신용 모델 튜닝
자동 파라미터 튜닝을 위한 caret 사용
간단한 튜닝 모델 생성
튜닝 절차 커스터마이징
메타 학습으로 모델 성능 개선
앙상블의 이해
배깅
부스팅
랜덤 포레스트
랜덤 포세스트 훈련
랜덤 포세스트 성능 평가
요약

12장 특화된 머신 러닝 주제
독점 파일 및 데이터베이스 작업
마이크로소트 엑셀, SAS, SPSS와 Stata 파일에서 읽고 쓰기
SQL 데이터베이스의 데이터 쿼리
온라인 데이터 및 서비스 작업
웹 페이지의 전체 텍스트 다운로드
웹 페이지레서 데이터 스크래핑
XML 문서 파싱
웹 API에서 JSON 파싱
도메인에 특화된 데이터 작업
생체정보학 데이터 분석
네트워크 데이터 분석과 시각화
R 성능 개성
대용량 데이터셋 관리
dplyr을 이용한 표 형식 데이터 구조의 일반화
data, table을 이용한 데이터 프레임 속도 향상
ff를 이용한 디스크 기반 데이터 프레임 생성
bigmemiry을 이용한 대용량 행렬의 사용
병렬 컴퓨팅으로 더 빠른 학습
실행 시간 측정
멀티코어와 스노우을 이용한 병렬 작업
foreach와 doParallel을 이용한 병렬 활용
맵리듀스와 하둡을 이용한 병렬 클라우드 컴퓨팅
GPU 컴퓨팅
최적화된 학습 알고리즘 배포
biglm을 이용한 더 큰 회귀 모델 구축
bigrf을 이용한 더 크고 빠른 랜덤 포레스트 키우기
caret을 이용한 병렬 모델 훈련과 평가
요약

저자소개

저자 브레트 란츠(Brett Lantz)는 혁신적인 데이터 방법을 이용해 인간의 행동을 이해하고자 10년 이상을 보냈다. 숙련된 사회학자로서 10대들의 소셜 네트워크 웹사이트 프로파일의 대규모 데이터베이스를 연구하면서 처음으로 머신 러닝에 매료됐다. 그 이후로 휴대폰 통화 의료 청구 데이터 자선 활동 등의 여러 학문에 걸친 연구를 진행해왔다. 가족과 시간을 보내고 대학 스포츠를 하고 닥스훈트와 즐겁게 지낼 때가 아니면 데이터에서 통찰력을 찾는 데 관한 지식을 공유하는 전용 웹사이트인 http://dataspelunking.com을 관리한다.

도서소개

『R을 활용한 머신 러닝』을 읽다 보면 ‘머신 러닝이 이렇게 쉬운 거였어?’라는 생각이 들기도 하고, 수학이나 프로그래밍 언어를 잘 몰랐어도 직관적으로 머릿속에 쏙쏙 들어오는 머신 러닝 개념에 흥미를 느끼고 있는 자신을 발견하게 될 것이다. 몇 줄의 R 코드로 머신 러닝이 어떻게 작동되는지 눈으로 직접 확인할 수 있고 최신의 기법까지 내 손으로 직접 짜 볼 수 있는 짜릿한 경험과 자신감을 제공해 주는 것이 이 책의 매력이다.
추천포스트

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.