품목정보
발행일	2017년 09월 11일
쪽수, 무게, 크기	252쪽 \| 499g \| 18824520mm
ISBN13	9791185890906
ISBN10	1185890904

더보기

PART 1 시작하며 1 CHAPTER 1 머신러닝이란? 2 1.1 학습의 종류 3 1.2 머신러닝 과업들 5 1.3 머신러닝의 접근법 8 CHAPTER 2 학습 모델 12 2.1 선형 모델 12 2.2 커널 모델 15 2.3 계층 모델 18 PART 2 지도 학습 기반 회귀 21 CHAPTER 3 최소제곱 학습 22 3.1 최소제곱 학습 22 3.2 최소제곱해의 성질 25 3.3 대규모 데이터를 다루기 위한 학습 알고리즘 27 CHAPTER 4 제약 최소제곱 학습 32 4.1 부분 공간 제약 최소제곱 학습 33 4.2 제약 최소제곱 학습 34 4.3 모델 선택 38 CHAPTER 5 희소 학습 44 5.1 제약 최소제곱 학습 44 5.2 제약 최소제곱 학습의 해를 구하는 방법 46 5.3 희소 학습에 의한 특징 선택 51 5.4 제약 최소제곱 학습 52 5.5 제약 최소제곱 학습 53 CHAPTER 6 로버스트 학습 56 6.1 손실 최소화 학습 57 6.2 후버 손실 최소화 학습 59 6.3 튜키 손실 최소화 학습 64 6.4 제약 후버 손실 최소화 학습 66 PART 3 지도 학습 기반 분류 71 CHAPTER 7 최소제곱 학습 기반 분류 72 7.1 최소제곱 분류 72 7.2 0/1 손실과 마진 75 7.3 다중 클래스 78 CHAPTER 8 서포트 벡터 분류 81 8.1 마진 최대화 분류 81 8.2 서포트 벡터 분류기의 해를 구하는 방법 84 8.3 희소성 87 8.4 커널 트릭을 이용한 비선형화 89 8.5 힌지 손실 최소화 학습 관점에서의 해석 91 8.6 램프 손실을 이용한 로버스트 학습 94 CHAPTER 9 앙상블 분류 99 9.1 결정주 분류 100 9.2 배깅 102 9.3 부스팅 106 CHAPTER 10 확률적 분류 114 10.1 로지스틱 회귀 114 10.2 최소제곱 확률적 분류 119 CHAPTER 11 연속열 데이터의 분류 124 11.1 연속열 데이터의 모형화 124 11.2 조건부 확률장 모형의 학습 129 11.3 조건부 확률장 모형을 이용한 레이블 연속열 예측 131 PART 4 비지도 학습 133 CHAPTER 12 이상 검출 134 12.1 국소 이상 인자 134 12.2 서포트 벡터 이상 검출 137 12.3 밀도비 기반 이상 검출 140 CHAPTER 13 비지도 기반 차원 축소 145 13.1 선형 차원 축소의 개요 146 13.2 주성분 분석 147 13.3 국소성 보존 사영 150 13.4 커널 주성분 분석 153 13.5 라플라스 고유사상 156 CHAPTER 14 클러스터링 159 14.1 K-평균 클러스터링 159 14.2 커널 K-평균 클러스터링 161 14.3 스펙트럴 클러스터링 163 14.4 파라미터의 자동 결정 165 PART 5 심화 학습 171 CHAPTER 15 온라인 학습 172 15.1 수동 공격 학습 172 15.2 적응 규제화 학습 179 CHAPTER 16 반지도 학습 184 16.1 입력 데이터가 이루는 다양체 구조의 활용 184 16.2 라플라스 규제화 최소제곱 학습의 해를 구하는 방법 187 16.3 라플라스 규제화에 대한 해석 189 CHAPTER 17 지도 학습 기반 차원 축소 191 17.1 분류 문제에 대한 판별 분석 191 17.2 충분 차원 축소 198 CHAPTER 18 전이 학습 200 18.1 공변량 시프트 상황에서의 전이 학습 200 18.2 클래스 밸런스 변화 상황에서의 전이 학습 208 CHAPTER 19 멀티 태스크 학습 215 19.1 최소제곱 회귀를 이용한 멀티 태스크 학습 215 19.2 최소제곱 확률적 분류기를 이용한 멀티 태스크 학습 218 19.3 다차원 출력 함수의 학습 220 PART 6 마무리하며 225 CHAPTER 20 앞으로의 전망 226 참고문헌 230 찾아보기 231

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (2명)

책 속으로 책속으로 보이기/감추기

제약 최소제곱 학습과 교차 확인법을 함께 사용하는 것은 실제 응용에서 매우 유용한 회귀 방법이다. 그러나 파라미터 수가 많으면, 해나 학습한 함수의 출력값을 계산하는 데 시간이 많이 걸리는 문제가 있다. 이번 장에서는 파라미터의 대부분이 0으로 학습되는 것이 특징인 희소 학습을 소개한다. 파라미터 대부분이 0이 되므로 해나 학습한 함수의 출력을 빠르게 계산하는 데 도움이 된다.
--- p.44

실제 문제에서 대규모의 훈련 표본을 다룰 때에는 많든 적든 어느 정도의 이상값이 포함되어 있
다고 보는 것이 당연하다. 이 때문에 최소제곱 학습은 이런 경우에는 신뢰성이 낮다고 할 수 있
다. 통계학이나 머신러닝 분야에서는 이상값에 대한 견고성(안정성)을 로버스트성(robustness)이라고 부른다. 훈련 표본에 이상값이 섞여 있을 때에는 이상값을 처음부터 제거하고 학습을 실시하거나 이상값을 그대로 둔 채 영향을 덜 받는 방향으로 학습을 수행하는 것이 바람직하다. 전자에 해당하는 이상값 소거에 대해서는 12장에서 설명하도록 하고, 이번 장에서는 이상값에 대해 높은 안정성을 갖는 로버스트 학습을 소개하겠다.
--- p.56

여기까지 2 클래스 패턴 인식 문제를 중심으로 살펴보았다. 그러나 알파벳 문자 인식의 예만 보아도 26 클래스나 되며, 한자 인식 문제는 클래스 수가 적게는 수백, 많게는 수천에 이른다. 다중 클래스 패턴 인식 문제를 푸는 직접적인 방법은 10장에서 소개하기로 하고, 이번 절에서는 2 클래스 패턴 인식의 방법을 확장하여 다중 클래스 패턴 인식 문제를 푸는 방법을 두 가지 소개하도록 한다.
--- p.78

그 외에도 오류 정정 부호를 사용하여 각각의 클래스를 10011이나 01010 따위로 부호화하여 각 비트를 2 클래스 분류기로 예측하는 오류 수정 출력 부호라 불리는 방법도 제안되었다. 그러나 오류 수정 부호를 적절하게 설계하는 과정이 쉽지 않다는 단점이 있다. 10장에서 다중 클래스 분류 문제를 직접 푸는 알고리즘을 소개하겠지만, 그렇다고 반드시 다중 클래스 분류 문제를 직접 풀어야 하는 것은 아니다. 왜냐하면, 다중 클래스 분류 문제는 일반적으로 2 클래스 분류 문제에 비해 학습이 어렵기 때문이다. 따라서 목적과 상황에 맞게 적절한 방법을 택하는 것이 현실적이라 할 수 있다.
--- p.80

문자열을 낱낱의 문자로 인식하는 것은 지금까지 소개한 다양한 방법을 적용할 수 있다. 그러나 문자가 출현하는 데는 같은 문자가 연속하여 출현한다든가, 어떤 문자 뒤에는 어떤 문자가 자주 나온다든가 하는 전후관계가 관련되어 있다. 이러한 규칙성을 활용하면 문자열의 인식 정밀도를 향상시킬 수 있다. 한편, 문자열 안의 모든 문자를 동시에 인식하려면 클래스 수가 문자열 길이의 제곱에 비례하는 지수적 증가를 보이기 때문에 학습이 어렵다. 그래서 이번 장에서는 문자열의 부분적 전후관계를 이용하여 실용적인 계산 시간 내에서 학습할 수 있는 조건부 확률장이라는 기법을 소개하겠다.

--- p.124

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (0건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

등록된 리뷰가 없습니다!

첫번째 리뷰어가 되어주세요.

한줄평 (1건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 10.0점 10.0 / 10.0

구매 한줄평

한줄평 전체보기

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