데이터마이닝의 원리와 구현 : Python과 함께

데이터마이닝 기법은 목적에 따라 크게 예측, 분류분석, 군집분석, 연관규칙으로 나눌 수 있는데, 이 책에서도 이러한 순서에 따라 내용을 전개하였다. 먼저, 예측기법으로는 회귀분석, 규제 회귀분석, 차원축소 회귀분석을 다루며, 분류분석에서는 로지스틱 회귀분석, 판별분석, 트리 기반 기법, 서포트 벡터 머신, 앙상블 기법을 설명한다. 여기서 앙상블 기법에서는 랜덤 포레스트, 아다부스트, 그레디언트 부스트 등을 포함한다. 다음으로 군집분석을 다루는데, 계층적 군집분석과 비계층 군집분석으로 구분하여 계층적 군집분석에서는 주로 연결법을 설명하고 비계층 군집분석에서는 K-means, K-medoids, 퍼지 K-means, 모형기반 군집방법, 디비스캔(DBSCAN) 등을 소개한다. 이어서 연관규칙과 추천시스템을 다루는데, 연관규칙은 다른 데이터마이닝 서적에서 구체적인 알고리즘을 소개하지 않고 있지만, 데이터로부터 유용한 구매패턴을 찾는 기법으로 고객 마케팅에 많이 활용된다. 추천시스템은 연관규칙과는 다소 목적이 다르나 사용자들이 제품을 평가하는 특성을 서로 연관시키는 면에서 공통점을 찾을 수 있는 방식이라고 할 수 있다.
이 책에서는 데이터마이닝 기법의 알고리즘 원리와 함께 실제 예제를 많이 수록하였다. 각 기법을 소개한 후 데이터 예제로 기법을 쉽게 이해할 수 있도록 하였으며, 앞서 언급한 바와 같이 코드를 삽입하여 독자들이 해당 기법을 직접 구현하고 결과를 확인할 수 있도록 구성하였다.
실습용 데이터파일, Python 코드는 자유아카데미 홈페이지(www.freeaca.com) 자료실에서 제공하고 있으며, 출간 후에 발견되는 수정사항이나 제안은 출판사를 통해 저자들에게 전달이 가능하니 참고하기를 바란다.

1장 데이터마이닝 개요와 활용
1.1 데이터마이닝의 정의
1.2 데이터마이닝의 기능과 기법
1.3 데이터마이닝의 활용 분야

2장 회귀분석
2.1 다중회귀모형
2.2 회귀계수의 추정
2.3 모형에 대한 추론
2.4 변수선택방법
2.5 회귀모형의 진단
2.6 반응치에 대한 추정 및 예측
2.7 다중공선성
2.8 지시변수와 회귀모형
Python 코드
연습문제

3장 규제 회귀분석
3.1 라소(LASSO) 회귀분석
3.2 릿지(Ridge) 회귀분석
3.3 라소와 릿지 회귀의 비교
Python 코드
연습문제

4장 차원축소 회귀분석
4.1 변수의 변동과 제곱합
4.2 주성분의 이해
4.3 행렬의 분해
4.4 주성분 스코어
4.5 주성분의 제곱합 분해
4.6 NIPALS 알고리즘
4.7 주성분 회귀분석
4.8 PLS 회귀분석의 개요
4.9 하나의 종속변수에 대한 PLS 회귀분석
4.10 다수의 종속변수에 대한 PLS 회귀분석
4.11 예측성능 평가
Python 코드
연습문제

5장 분류분석 개요
5.1 분류 문제 및 분류기법
5.2 기본적인 분류기법
5.3 분류의 성능평가
5.4 ROC 곡선
5.5 이익도표
Python 코드
연습문제

6장 로지스틱 회귀분석
6.1 이분 로지스틱 회귀모형
6.2 명목 로지스틱 회귀모형
6.3 서열 로지스틱 회귀모형
부록 6.1 정규분포 모수에 대한 최우추정법
부록 6.2 최우추정치에 대한 표준오차
Python 코드
연습문제

7장 판별분석
7.1 피셔 방법
7.2 의사결정론에 의한 분류규칙
7.3 오분류비용을 고려한 분류규칙
7.4 이차판별분석
7.5 세 범주 이상의 분류
Python 코드
연습문제

8장 트리 기반 기법
8.1 CART 개요
8.2 트리의 형성
8.3 가지치기 및 최적트리 선정
8.4 기타 트리 기법
Python 코드
연습문제

9장 서포트 벡터 머신
9.1 선형 SVM - 분리 가능의 경우
9.2 선형 SVM - 분리 불가능 경우
9.3 비선형 SVM
부록 9.1 비선형계획 문제
Python 코드
연습문제

10장 앙상블 기법
10.1 앙상블의 개요
10.2 부트스트래핑
10.3 랜덤 포레스트
10.4 아다부스트
10.5 그래디언트 부스팅
Python 코드
연습문제

11장 군집분석 개요
11.1 군집방법
11.2 객체 간의 유사성 척도
11.3 범주형 속성을 포함한 객체의 유사성 척도
Python 코드
연습문제

12장 계층적 군집방법
12.1 군집 간 거리척도 및 연결법
12.2 연결법의 군집 알고리즘
12.3 워드 방법
12.4 분리적 방법 - 다이아나
12.5 군집 수의 결정
Python 코드
연습문제

13장 비계층적 군집방법
13.1 K-means 알고리즘
13.2 K-medoids 군집방법
13.3 퍼지 K-means 알고리즘
13.4 모형기반 군집방법
13.5 밀도기반 군집방법 - 디비스캔(DBSCAN)
Python 코드
연습문제

14장 군집해의 평가 및 해석
14.1 군집해의 평가
14.2 군집해의 해석
Python 코드
연습문제

15장 연관규칙
15.1 연관규칙의 개요
15.2 연관규칙의 정의 및 성능척도
15.3 연관규칙의 탐색
15.4 순차적 패턴의 탐색
15.5 항목의 선정
Python 코드
연습문제

16장 추천시스템
16.1 내용기반 추천시스템
16.2 협업 필터링
16.3 시장바구니 데이터를 이용한 협업 필터링
Python 코드
연습문제

찾아보기

전치혁 서울대학교 자원공학 학사
KAIST 산업공학 석사
미국 UC, Berkeley 산업공학 박사
포항공과대학교 산업경영공학과 교수
(현) 포항공과대학교 산업경영공학과 명예교수
(현) 한국과학기술한림원 정회원