R을 이용한 머신러닝: 지도학습

CHAPTER 1 들어가며
들어가며

CHAPTER 2 선형회귀
2.1 최소제곱법
2.2 회귀모델 유형
2.3 회귀모델 가정과 진단
2.4 더미변수
2.5 상호작용
2.6 모델비교평가
2.7 사례

CHAPTER 3 로지스틱회귀
3.1 이항로지스틱회귀
3.2 다항로지스틱회귀
3.3 회귀계수 추정
3.4 사례

CHAPTER 4 페널티회귀
4.1 제약화
4.2 릿지회귀
4.3 라소회귀
4.4 일래스틱넷회귀
4.5 사례

CHAPTER 5 다변량적응 회귀스플라인
5.1 힌지함수
5.2 회귀계수 추정
5.3 사례

CHAPTER 6 일반가법모델과 로컬회귀
6.1 일반가법모델
6.2 로컬회귀
6.3 사례

CHAPTER 7 k-NN
7.1 사례기반학습
7.2 거리측정
7.3 이웃크기
7.4 이웃선정
7.5 사례

CHAPTER 8 나이브베이즈
8.1 베이즈정리와 나이브베이즈
8.2 다항나이브베이즈
8.3 가우시안나이브베이즈
8.4 사례

CHAPTER 9 서포트벡터머신
9.1 최대마진초평면
9.2 슬랙변수와 커널트릭
9.3 다중분류
9.4 서포트벡터회귀
9.5 사례

CHAPTER 10 의사결정나무
10.1 알고리즘
10.2 CART: 회귀나무
10.3 CART: 분류나무
10.4 조건부추론나무와 C5.0
10.5 사례

CHAPTER 11 조건부추론나무
11.1 알고리즘
11.2 OOB 오차추정치
11.3 변수중요도
11.4 사례

CHAPTER 12 랜덤포레스트
12.1 나무상관관계
12.2 변수선택
12.3 사례

CHAPTER 13 AdaBoost
13.1 알고리즘
13.2 랜덤포레스트와 AdaBoost
13.3 분류나무
13.4 사례

CHAPTER 14 GBM
14.1 알고리즘
14.2 회귀나무
14.3 분류나무
14.4 사례

CHAPTER 15 XGBoost
15.1 알고리즘
15.2 회귀나무
15.3 분류나무
15.4 사례

CHAPTER 16 스태킹
16.1 알고리즘
16.2 슈퍼학습기
16.3 사례

CHAPTER 17 인공신경망
17.1 구성요소
17.2 활성함수
17.3 네트워크 구조
17.4 학습 알고리즘
17.5 사례

CHAPTER 18 딥러닝
18.1 발전과정
18.2 ReLU 활성함수
18.3 텐서
18.4 모델튜닝
18.5 콘볼루션신경망
18.6 Keras
18.7 사례

부록
A. 성능평가 지표
B. 거리측정

곽기영 곽기영 교수(kykwahk@kookmin.ac.kr)는 국민대학교 경영대학과 비즈니스IT대학원에 재직 중이다. 서울대학교 경영대학을 졸업하였으며 KAIST에서 석사 및 박사 학위를 취득하였다. 한국경영학회, 한국경영정보학회, 한국경영과학회, 한국지식경영학회, 한국지능정보시스템학회, 한국정보시스템학회, 디지털산업정보학회 등으로부터 논문상을 수상하였다. 「SPSS를 이용한 통계데이터분석」, 「소셜네트워크분석」, 「R 기초와 활용」, 「R을 이용한 통계데이터분석」, 「R을 이용한 웹스크레이핑과 데이터분석」, 「R을 이용한 머신러닝과 텍스트마이닝」, 「R을 이용한 머신러닝: 모델링, Tidymodels, Caret」, 「R을 이용한 머신러닝: 지도학습」, 「R을 이용한 머신러닝: 비지도학습」등의 저서를 출간하며, 통계 및 데이터분석 분야에서 활발한 저술 활동을 하고 있다. 삼성SDS에서 정부기관 및 기업을 상대로 정보전략계획, 비즈니스 프로세스 리엔지니어링, e-비즈니스 등과 관련된 프로젝트를 수행하며 IT 컨설턴트로 재직한 경험이 있으며 CISA(Certified Information Systems Auditor), PMP(Project Management Professional), CGEIT(Certified in the Governance of Enterprise IT) 등의 국제자격을 보유하고 있다.

YouTube: https://www.youtube.com/곽기영
GitHub: https://github.com/kykwahk