품목정보
발행일	2020년 02월 28일
쪽수, 무게, 크기	536쪽 \| 1018g \| 18824526mm
ISBN13	9791188621989
ISBN10	118862198X

더보기

CHAPTER 01 서론 1 1.1 들어가며 1 1.2 머신러닝의 기본 용어 2 1.3 가설 공간 5 1.4 귀납적 편향 8 1.5 발전 과정 13 1.6 응용 현황 18 1.7 더 읽을거리 22 연습문제 25 참고문헌 26 머신러닝 쉼터 28 CHAPTER 02 모델 평가 및 선택 29 2.1 경험 오차 및 과적합 29 2.2 평가 방법 31 2.3 모델 성능 측정 37 2.4 비교 검증 47 2.5 편향과 분산 57 2.6 더 읽을거리 59 연습문제 61 참고문헌 62 머신러닝 쉼터 64 CHAPTER 03 선형 모델 65 3.1 기본 형식 65 3.2 선형 회귀 66 3.3 로지스틱 회귀 70 3.4 선형 판별분석 73 3.5 다중 분류 학습 77 3.6 클래스 불균형 문제 80 3.7 더 읽을거리 83 연습문제 85 참고문헌 86 머신러닝 쉼터 88 CHAPTER 04 의사결정 트리 89 4.1 기본 프로세스 89 4.2 분할 선택 92 4.3 가지치기 98 4.4 연속값과 결측값 103 4.5 다변량 의사결정 트리 110 4.6 더 읽을거리 113 연습문제 115 참고문헌 117 머신러닝 쉼터 118 CHAPTER 05 신경망 119 5.1 뉴런 모델 119 5.2 퍼셉트론과 다층 네트워크 121 5.3 오차 역전파 알고리즘 124 5.4 글로벌 미니멈과 로컬 미니멈 130 5.5 기타 신경망 133 5.6 딥러닝 139 5.7 더 읽을거리 142 연습문제 144 참고문헌 145 머신러닝 쉼터 148 CHAPTER 06 서포트 벡터 머신 149 6.1 마진과 서포트 벡터 149 6.2 쌍대문제 151 6.3 커널 함수 155 6.4 소프트 마진과 정규화 158 6.5 서포터 벡터 회귀 163 6.6 커널 기법 167 6.7 더 읽을거리 170 연습문제 172 참고문헌 173 머신러닝 쉼터 175 CHAPTER 07 베이지안 분류기 177 7.1 베이지안 결정 이론 177 7.2 최대 우도 추정 179 7.3 나이브 베이즈 분류기 181 7.4 세미 나이브 베이즈 분류기 186 7.5 베이지안 네트워크 188 7.6 EM 알고리즘 195 7.7 더 읽을거리 197 연습문제 199 참고문헌 200 머신러닝 쉼터 202 CHAPTER 08 앙상블 학습 203 8.1 객체와 앙상블 203 8.2 부스팅 206 8.3 배깅과 랜덤 포레스트 211 8.4 결합 전략 215 8.5 다양성 221 8.6 더 읽을거리 227 연습문제 229 참고문헌 231 머신러닝 쉼터 234 CHAPTER 09 클러스터링 235 9.1 클러스터링 학습 문제 235 9.2 성능 척도 236 9.3 거리 계산법 238 9.4 프로토타입 클러스터링 241 9.5 밀도 클러스터링 252 9.6 계층 클러스터링 255 9.7 더 읽을거리 259 연습문제 262 참고문헌 264 머신러닝 쉼터 266 CHAPTER 10 차원 축소와 척도 학습 267 10.1 k-최근접 이웃 기법 267 10.2 임베딩 269 10.3 주성분 분석 273 10.4 커널 선형 차원 축소 275 10.5 매니폴드 학습 278 10.6 척도 학습 282 10.7 더 읽을거리 285 연습문제 287 참고문헌 288 머신러닝 쉼터 290 CHAPTER 11 특성 선택과 희소 학습 291 11.1 부분집합 탐색과 평가 291 11.2 필터식 선택 294 11.3 포괄식 선택 296 11.4 임베딩식 선택과 L1 정규화 298 11.5 희소 표현과 사전 학습 301 11.6 압축 센싱 304 11.7 더 읽을거리 308 연습문제 310 참고문헌 311 머신러닝 쉼터 314 CHAPTER 12 계산 학습 이론 315 12.1 기초 지식 315 12.2 PAC 학습 317 12.3 유한 가설 공간 319 12.4 VC 차원 323 12.5 라데마허 복잡도 329 12.6 안정성 335 12.7 더 읽을거리 339 연습문제 341 참고문헌 342 머신러닝 쉼터 343 CHAPTER 13 준지도 학습 345 13.1 언레이블된 데이터 345 13.2 생성적 방법 348 13.3 준지도 SVM 352 13.4 그래프 준지도 학습 355 13.5 불일치에 기반한 방법 359 13.6 준지도 클러스터링 363 13.7 더 읽을거리 368 연습문제 370 참고문헌 372 머신러닝 쉼터 374 CHAPTER 14 확률 그래피컬 모델 375 14.1 은닉 마르코프 모델 375 14.2 마르코프 랜덤 필드 379 14.3 조건 랜덤 필드 383 14.4 학습과 추론 386 14.5 근사추론 390 14.6 토픽 모델 397 14.7 더 읽을거리 400 연습문제 403 참고문헌 404 머신러닝 쉼터 406 CHAPTER 15 규칙 학습 407 15.1 기본 개념 407 15.2 순차적 커버링 410 15.3 가지치기 최적화 414 15.4 일차 규칙 학습 416 15.5 귀납 논리 프로그래밍 420 15.6 더 읽을거리 428 연습문제 431 참고문헌 432 머신러닝 쉼터 434 CHAPTER 16 강화 학습 435 16.1 과업과 보상 435 16.2 K-암드 밴딧 438 16.3 모델 기반 학습 443 16.4 모델-프리 학습 450 16.5 가치 함수 근사 457 16.6 이미테이션 러닝 460 16.7 더 읽을거리 462 연습문제 464 참고문헌 465 머신러닝 쉼터 467 APPENDIX A 행렬 469 A.1 기본 연산 469 A.2 도함수 470 A.3 특잇값 분해 472 APPENDIX B 최적화 474 B.1 라그랑주 승수법 474 B.2 이차 프로그래밍 477 B.3 반정형 프로그래밍 478 B.4 경사하강법 479 B.5 좌표하강법 480 APPENDIX C 확률 분포 482 C.1 자주 사용하는 확률 분포 482 C.2 켤레 분포 487 C.3 KL 발산 488 에필로그 489 찾아보기 494

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (2명)

책 속으로 책속으로 보이기/감추기

이 책은 머신러닝 교과서입니다. 최대한 많은 독자에게 머신러닝을 소개하고 싶은 마음에 수학적 지식의 사용은 최대한 배제하려 노력했습니다. 하지만 최소한의 확률, 통계, 대수, 최적화, 논리 관련 수학 이론은 포함되어 있습니다. 따라서 대학교 4학년 이상의 이공계열 학생이나 대학원생, 그리고 비슷한 배경을 가진 머신러닝에 관심 있는 독자들께 적합할 것 같습니다. 독자들의 편의를 위해 책 말미에는 수학 기초 지식에 관한 간략한 소개도 함께 다루고 있습니다.
--- p.xvii

과적합을 일으키는 원인은 다양합니다. 그중에서도 학습능력이 너무 뛰어나 훈련 데이터들이 가진 일반적이지 않은 특성까지 학습하는 경우가 가장 흔한 원인입니다. 반대로, 과소적합은 일반적으로 학습능력이 좋지 못해서인 경우가 많습니다. 과소적합은 극복하기 쉽습니다.
--- p.30

실질적으로 정보 이득 규칙은 취할 수 있는 값의 수가 비교적 많은 속성에 유리하게 작용합니다. 이런 편향은 모델에 좋지 못한 영향을 끼칠 수 있습니다. 그래서 유명한 C4.5 의사결정 트리 방법[Quinlan, 1993]은 정보 이득을 사용하는 대신 이득율(gain ratio)이라는 방법을 사용하여 최적의 분할 속성을 선택했습니다. 식 4.2와 동일한 부호로 나타낸다면, 이득율은 다음과 같이 정의할 수 있습니다.
--- p.96

커널 함수는 직접적으로 서포트 벡터 머신과 커널 기법의 최종 성능을 결정합니다. 한 가지 안타까운 것은 커널 함수의 선택 문제는 여전히 해결해야 할 어려운 문제입니다. 다중 커널 학습(multiple kernel learning)은 다수의 커널 함수를 사용하고 학습을 통해 얻은 최적의 컨벡스 조합을 최종 커널 함수로 설정합니다[Lanckriet et al., 2004; Bach et al., 2004]. 이는 사실상 앙상블 학습 메커니즘을 빌려온 것입니다.
--- p.171

클러스터링은 일종의 전형적인 비지도 학습법입니다. 그러나 현실에서 우리는 클러스터링을 진행하며 지도 학습 정보를 획득할 때가 많습니다. 따라서 준지도 클러스터링(semi-supervised clustering) 방법으로 지도 정보를 활용해 더 좋은 클러스터링 결과를 얻을 수 있습니다.

--- p.363

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (12건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 9.0점 9.0 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (2건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 10.0점 10.0 / 10.0

구매 한줄평

한줄평 전체보기

올해의 책 추천평 (1건) 올해의 책 추천평 이동

배송/반품/교환 안내

배송 안내

반품/교환 안내에 대한 내용입니다.
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내에 대한 내용입니다.
반품/교환 방법	고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리