R 예제로 배우는 머신 러닝
머신 러닝의 기본 이해와 실생활 문제 해결에의 적용
$37.42
SKU
9788960779495
[Free shipping over $100]
Standard Shipping estimated by Thu 05/23 - Wed 05/29 (주문일로부 10-14 영업일)
Express Shipping estimated by Mon 05/20 - Wed 05/22 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2016/12/30 |
| Pages/Weight/Size | 188*235*22mm |
| ISBN | 9788960779495 |
| Categories | IT 모바일 > 컴퓨터 공학 |
Description
머신 러닝을 사용한 실제 응용 사례를 R로 작성된 예제 코드 중심으로 소개한다. 제품 추천을 위한 장바구니 분석, 금융기관에서의 리스크 관리를 위한 신용 위험도 예측, 감정 분석을 위한 소셜 미디어 분석과 같은 실생활 예제를 R 코드로 설명한다. R 언어와 머신 러닝에 대한 기본 지식을 가지고 있는 독자라면, 이 책을 통해 기존에 알고 있던 이론들을 어떻게 응용할 수 있을지 한 단계 더 나아갈 수 있을 것이다.
Contents
1장 머신 러닝 R로 시작하기
__R의 기본 탐구
____R을 공학용 계산기로 사용하기
____벡터로 연산하기
____특별한 값들
__R의 데이터 구조체
____벡터
____배열과 행렬
____리스트
____데이터 프레임
__함수 다루기
____기본 내장된 함수
____사용자 정의 함수
____함수를 인자로 전달하기
__코드의 흐름 제어
____If, if-else, ifelse 사용
____switch문 사용
____반복문
__고급 구조체
____lapply and sapply.
____apply
____tapply
____mapply
__R과 함께 한 발짝 나아가기
____도움 받기
____패키지 다루기
__머신 러닝의 기초
____머신 러닝: 실제로 무엇을 의미하는가
____머신 러닝: 실제로 어떻게 사용되고 있는가
____머신 러닝 알고리즘의 종류
__요약
2장 기계를 학습시키자
__머신 러닝 이해하기
__머신 러닝 알고리즘
____퍼셉트론
__알고리즘의 종류
____지도 학습 알고리즘
____비지도 학습 알고리즘들
__요약
3장 장바구니 분석을 통한 소비자 쇼핑 트렌드 예측
__트렌드 탐지와 예측
__장바구니 분석
____장바구니 분석이 실제로 의미하는 것은
____중요 개념과 정의
____분석에 사용되는 기법들
____데이터 기반 의사결정 만들기
__상품의 분할 행렬 평가
____데이터 수집
____데이터 분석과 시각화
____포괄 추천
____발전된 분할 행렬
__빈발 아이템 세트 생성
____시작하기
____데이터 검색과 변환
____아이템 세트 연관 행렬 만들기
____빈발 아이템 세트 생성 과정 만들기
____쇼핑 트렌트 찾기
__연관 규칙 마이닝
____의존성과 데이터 로딩
____탐색적 분석
____쇼핑 트렌드를 발견하고 예측하기
____연관 규칙 시각화
__요약
4장 제품 추천 시스템 만들기
__추천 시스템의 이해
__추천 시스템의 주요 이슈들
__협력 필터
____주요 콘셉트와 정의들
____협력 필터 알고리즘
__추천 엔진 만들기
____행렬 분해
____구현
____결과 해석
__출시 수준의 추천 시스템
____추출, 변환, 분석
____모델 개발 및 예측
____모델 평가
__요약
5장 신용 위험의 감지 및 예측: 기술적 분석
__분석의 종류.
__다음 도전
__신용 위험이란?
__데이터 수집
__데이터 전처리
____유실 값 처리
____데이터형 변환
____데이터 분석 및 변환
____분석 유틸리티 구축
____데이터 세트 분석
____변환된 데이터 세트 저장
__다음 단계
____특징 집합들
____머신 러닝 알고리즘들
__요약
6장 신용 위험 탐지 및 예측: 예측적 분석
__예측적 분석
__어떻게 신용 위험을 예측할까
__예측 모델링의 중요한 개념
____데이터 준비
____예측 모델 만들기
____예측 모델 평가
__데이터 수집
__데이터 전처리
__피처 선택
__로지스틱 회귀를 이용한 모델링
__서포트 벡터 머신을 이용한 모델링
__의사결정 나무를 사용한 모델링
__랜덤 포레스트를 이용한 모델링
__신경망을 이용한 모델링
__모델 비교 및 선택
__요약
7장 소셜 미디어 분석: 트위터 데이터 분석
__소셜 네트워크(트위터)
__데이터 마이닝 @소셜 네트워크
____소셜 네트워크 데이터 마이닝하기
____데이터와 시각화
__트위터 API 시작
____개요
____앱 등록
____연결/인증
____샘플 트윗 추출
__트위터 데이터 마이닝
____빈출 어휘 및 연관성
____많이 사용되는 디바이스들
____계층적 군집화
____주제 모델링
__소셜 네트워크 데이터 마이닝의 도전
__참고 자료
__요약
8장 트위터 데이터의 감정 분석
__감정 분석에 대한 이해
____감정 분석의 주요 개념
____접근 방법
____애플리케이션
____도전 과제
__트위터를 이용한 감정 분석
____극성 분석
____분류 기반 알고리즘
__요약
__R의 기본 탐구
____R을 공학용 계산기로 사용하기
____벡터로 연산하기
____특별한 값들
__R의 데이터 구조체
____벡터
____배열과 행렬
____리스트
____데이터 프레임
__함수 다루기
____기본 내장된 함수
____사용자 정의 함수
____함수를 인자로 전달하기
__코드의 흐름 제어
____If, if-else, ifelse 사용
____switch문 사용
____반복문
__고급 구조체
____lapply and sapply.
____apply
____tapply
____mapply
__R과 함께 한 발짝 나아가기
____도움 받기
____패키지 다루기
__머신 러닝의 기초
____머신 러닝: 실제로 무엇을 의미하는가
____머신 러닝: 실제로 어떻게 사용되고 있는가
____머신 러닝 알고리즘의 종류
__요약
2장 기계를 학습시키자
__머신 러닝 이해하기
__머신 러닝 알고리즘
____퍼셉트론
__알고리즘의 종류
____지도 학습 알고리즘
____비지도 학습 알고리즘들
__요약
3장 장바구니 분석을 통한 소비자 쇼핑 트렌드 예측
__트렌드 탐지와 예측
__장바구니 분석
____장바구니 분석이 실제로 의미하는 것은
____중요 개념과 정의
____분석에 사용되는 기법들
____데이터 기반 의사결정 만들기
__상품의 분할 행렬 평가
____데이터 수집
____데이터 분석과 시각화
____포괄 추천
____발전된 분할 행렬
__빈발 아이템 세트 생성
____시작하기
____데이터 검색과 변환
____아이템 세트 연관 행렬 만들기
____빈발 아이템 세트 생성 과정 만들기
____쇼핑 트렌트 찾기
__연관 규칙 마이닝
____의존성과 데이터 로딩
____탐색적 분석
____쇼핑 트렌드를 발견하고 예측하기
____연관 규칙 시각화
__요약
4장 제품 추천 시스템 만들기
__추천 시스템의 이해
__추천 시스템의 주요 이슈들
__협력 필터
____주요 콘셉트와 정의들
____협력 필터 알고리즘
__추천 엔진 만들기
____행렬 분해
____구현
____결과 해석
__출시 수준의 추천 시스템
____추출, 변환, 분석
____모델 개발 및 예측
____모델 평가
__요약
5장 신용 위험의 감지 및 예측: 기술적 분석
__분석의 종류.
__다음 도전
__신용 위험이란?
__데이터 수집
__데이터 전처리
____유실 값 처리
____데이터형 변환
____데이터 분석 및 변환
____분석 유틸리티 구축
____데이터 세트 분석
____변환된 데이터 세트 저장
__다음 단계
____특징 집합들
____머신 러닝 알고리즘들
__요약
6장 신용 위험 탐지 및 예측: 예측적 분석
__예측적 분석
__어떻게 신용 위험을 예측할까
__예측 모델링의 중요한 개념
____데이터 준비
____예측 모델 만들기
____예측 모델 평가
__데이터 수집
__데이터 전처리
__피처 선택
__로지스틱 회귀를 이용한 모델링
__서포트 벡터 머신을 이용한 모델링
__의사결정 나무를 사용한 모델링
__랜덤 포레스트를 이용한 모델링
__신경망을 이용한 모델링
__모델 비교 및 선택
__요약
7장 소셜 미디어 분석: 트위터 데이터 분석
__소셜 네트워크(트위터)
__데이터 마이닝 @소셜 네트워크
____소셜 네트워크 데이터 마이닝하기
____데이터와 시각화
__트위터 API 시작
____개요
____앱 등록
____연결/인증
____샘플 트윗 추출
__트위터 데이터 마이닝
____빈출 어휘 및 연관성
____많이 사용되는 디바이스들
____계층적 군집화
____주제 모델링
__소셜 네트워크 데이터 마이닝의 도전
__참고 자료
__요약
8장 트위터 데이터의 감정 분석
__감정 분석에 대한 이해
____감정 분석의 주요 개념
____접근 방법
____애플리케이션
____도전 과제
__트위터를 이용한 감정 분석
____극성 분석
____분류 기반 알고리즘
__요약