Book description
200여 개의 비법 레시피를 제공하는 이 책은 실무에서 접하는 다양한 머신러닝 문제를 해결하도록 도와준다. 판다스나 사이킷런 같은 파이썬 라이브러리로 데이터 적재, 텍스트나 수치형 데이터 다루기, 모델 선택, 차원 축소 등 다양한 문제를 해결할 수 있다. 레시피의 코드를 샘플 데이터셋에 적용하며 실제로 코드가 어떻게 동작하는지 확인해본다. 문제 해결에 대한 설명과 유용한 배경지식도 제공한다. 이 책은 이론과 개념 설명을 넘어서 머신러닝 애플리케이션 제작에 필요한 구체적인 도구를 제시한다. 실무에서 레시피를 그대로 적용하거나 적절히 수정하여 쉽고 빠르게 문제를 해결하기 바란다.
Table of contents
- 파이썬을 활용한 머신러닝 쿡북
-
Chapter 1. 벡터, 행렬, 배열
- 1.0 소개
- 1.1 벡터 만들기
- 1.2 행렬 만들기
- 1.3 희소 행렬 만들기
- 1.4 원소 선택하기
- 1.5 행렬 정보 확인하기
- 1.6 벡터화 연산 적용하기
- 1.7 최댓값, 최솟값 찾기
- 1.8 평균, 분산, 표준편차 계산하기
- 1.9 배열 크기 바꾸기
- 1.10 벡터나 행렬 전치하기
- 1.11 행렬 펼치기
- 1.12 행렬의 랭크 구하기
- 1.13 행렬식 계산하기
- 1.14 행렬의 대각원소 추출하기
- 1.15 행렬의 대각합 계산하기
- 1.16 고윳값과 고유벡터 찾기
- 1.17 점곱 계산하기
- 1.18 행렬 덧셈과 뺄셈
- 1.19 행렬 곱셈
- 1.20 역행렬
- 1.21 난수 생성하기
- Chapter 2. 데이터 적재
-
Chapter 3. 데이터 랭글링
- 3.0 소개
- 3.1 데이터프레임 만들기
- 3.2 데이터 설명하기
- 3.3 데이터프레임 탐색하기
- 3.4 조건에 따라 행 선택하기
- 3.5 값 치환하기
- 3.6 열 이름 바꾸기
- 3.7 최솟값, 최댓값, 합, 평균 계산 및 개수 세기
- 3.8 고유한 값 찾기
- 3.9 누락된 값 다루기
- 3.10 열 삭제하기
- 3.11 행 삭제하기
- 3.12 중복된 행 삭제하기
- 3.13 값에 따라 행을 그룹핑하기
- 3.14 시간에 따라 행을 그룹핑하기
- 3.15 열 원소 순회하기
- 3.16 모든 열 원소에 함수 적용하기
- 3.17 그룹에 함수 적용하기
- 3.18 데이터프레임 연결하기
- 3.19 데이터프레임 병합하기
- Chapter 4. 수치형 데이터 다루기
- Chapter 5. 범주형 데이터 다루기
- Chapter 6. 텍스트 다루기
- Chapter 7. 날짜와 시간 다루기
- Chapter 8. 이미지 다루기
- Chapter 9. 특성 추출을 사용한 차원 축소
- Chapter 10. 특성 선택을 사용한 차원 축소
-
Chapter 11. 모델 평가
- 11.0 소개
- 11.1 교차검증 모델 만들기
- 11.2 기본 회귀 모델 만들기
- 11.3 기본 분류 모델 만들기
- 11.4 이진 분류기의 예측 평가하기
- 11.5 이진 분류기 임곗값 평가하기 (1/2)
- 11.5 이진 분류기 임곗값 평가하기 (2/2)
- 11.6 다중클래스 분류기 예측 평가하기
- 11.7 분류기 성능 시각화하기
- 11.8 회귀 모델 평가하기
- 11.9 군집 모델 평가하기
- 11.10 사용자 정의 평가 지표 만들기
- 11.11 훈련 세트 크기에 따른 영향을 시각화하기
- 11.12 평가 지표 리포트 만들기
- 11.13 하이퍼파라미터 값의 영향을 시각화하기
- Chapter 12. 모델 선택
- Chapter 13. 선형 회귀
- Chapter 14. 트리와 랜덤 포레스트
- Chapter 15. k-최근접 이웃
- Chapter 16. 로지스틱 회귀
- Chapter 17. 서포트 벡터 머신
- Chapter 18. 나이브 베이즈
- Chapter 19. 군집
-
Chapter 20. 신경망
- 20.0 소개
- 20.1 신경망을 위한 데이터 전처리하기
- 20.2 신경망 구성하기
- 20.3 이진 분류기 훈련하기
- 20.4 다중 분류기 훈련하기
- 20.5 회귀 모델 훈련하기
- 20.6 예측하기
- 20.7 훈련 기록 시각화하기
- 20.8 가중치 규제로 과대적합 줄이기
- 20.9 조기종료로 과대적합 줄이기
- 20.10 드롭아웃으로 과대적합 줄이기
- 20.11 모델 훈련 진행 과정을 저장하기
- 20.12 신경망을 k-폴드 교차검증하기
- 20.13 신경망 튜닝하기
- 20.14 신경망 시각화하기
- 20.15 이미지 분류하기
- 20.16 이미지 증식으로 성능 향상하기
- 20.17 텍스트 분류하기 (1/2)
- 20.17 텍스트 분류하기 (2/2)
- Chapter 21. 훈련된 모델 저장과 복원
- 찾아보기 (1/3)
- 찾아보기 (2/3)
- 찾아보기 (3/3)
Product information
- Title: 파이썬을 활용한 머신러닝 쿡북: 전처리에서 딥러닝까지, 판다스와 사이킷런 중심의 실전 문제 해결 200선
- Author(s):
- Release date: September 2019
- Publisher(s): Hanbit Media, Inc.
- ISBN: 9791162241950
You might also like
book
쿼커스 쿡북: 쿠버네티스를 위한 네이티브 자바 솔루션
쿼커스는 쿠버네티스에 최적화된 클라우드 네이티브 프레임워크다. 스프링, 하이버네이트, 이클립스 마이크로프로파일, 쿠버네티스, 아파치 캐멜과 이클립스 Vert.x와 같이 …
book
개발 7년차, 매니저 1일차
대다수 사람들은 조직에 들어가고 ‘관리받게’ 된다. 하지만 경력이 쌓일수록 ‘관리하게 되는’ 비중이 늘어난다. 따라서 개발자가 매니저로 …
book
러닝 자바스크립트: ES6로 제대로 입문하는 모던 자바스크립트 웹 개발
이 책은 ES6를 포함하여 최신 자바스크립트 개발을 주도하는 언어 특징과 기술, 관련 도구, 패러다임을 포괄적으로 다룬다. …
book
처음 시작하는 파이썬: 파이썬 패키지를 활용한 모던 컴퓨팅 입문
데이터 분석, 금융, 자연 과학 등 다양한 분야에서 각광받는 언어 파이썬. 개발자가 아니더라도 개발자가 되고 싶다면, …