소득공제
PDF
eBook
XGBoost와 사이킷런을 활용한 그레이디언트 부스팅
캐글 고수에게 배우는 실전 파이썬 머신러닝, 코랩에서 실습 가능
스마트한 PDF 필기 기능을 사용해 보세요!
- PDF 안내
-
이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.
상세 이미지
소개
목차
|
CHAPTER 0 코딩 환경 설정0.1 아나콘다0.2 주피터 노트북 사용하기0.3 XGBoost0.4 버전PART 1 배깅과 부스팅CHAPTER 1 머신러닝 개요1.1 XGBoost 소개1.2 데이터 랭글링1.3 회귀 모델 만들기1.4 분류 모델 만들기1.5 마치며CHAPTER 2 결정 트리2.1 결정 트리 소개2.2 결정 트리 알고리즘2.3 분산과 편향2.4 결정 트리 하이퍼파라미터 튜닝2.5 심장 질환 예측하기 - 사례 연구2.6 마치며CHAPTER 3 배깅과 랜덤 포레스트3.1 배깅 앙상블3.2 랜덤 포레스트 살펴보기3.3 랜덤 포레스트 매개변수3.4 랜덤 포레스트 성능 높이기 - 사례 연구3.5 마치며CHAPTER 4 그레이디언트 부스팅에서 XGBoost까지4.1 배깅에서 부스팅까지4.2 그레이디언트 부스팅 작동 방식4.3 그레이디언트 부스팅 매개변수 튜닝4.4 빅 데이터 다루기 - 그레이디언트 부스팅 vs XGBoost4.5 마치며PART 2 XGBoostCHAPTER 5 XGBoost 소개5.1 XGBoost 구조5.2 XGBoost 파라미터 최적화5.3 XGBoost 모델 만들기5.4 힉스 보손 찾기 - 사례 연구5.5 마치며CHAPTER 6 XGBoost 하이퍼파라미터6.1 데이터와 기준 모델 준비6.2 XGBoost 하이퍼파라미터 튜닝6.3 조기 종료 적용6.4 하이퍼파라미터 결합6.5 하이퍼파라미터 조정6.6 마치며CHAPTER 7 XGBoost로 외계 행성 찾기7.1 외계 행성 찾기7.2 오차 행렬 분석하기7.3 불균형 데이터 리샘플링7.4 XGBClassifier 튜닝7.5 마치며PART 3 고급 XGBoostCHAPTER 8 XGBoost 기본 학습기8.1 여러 가지 기본 학습기8.2 gblinear 적용하기8.3 dart 비교하기8.4 XGBoost 랜덤 포레스트8.5 마치며CHAPTER 9 캐글 마스터에게 배우기9.1 캐글 대회 둘러보기9.2 특성 공학9.3 상관관계가 낮은 앙상블 만들기9.4 스태킹9.5 마치며CHAPTER 10 XGBoost 모델 배포10.1 혼합 데이터 인코딩10.2 사용자 정의 사이킷런 변환기10.3 XGBoost 모델 만들기10.4 머신러닝 파이프라인 구성하기10.5 마치며APPENDIX A (한국어판 부록) 다른 그레이디언트 부스팅 라이브러리A.1 LightGBMA.2 사이킷런의 히스토그램 기반 그레이디언트 부스팅A.3 CatBoost
|
저자 소개 2
Corey Wade
수학과 예술 분야 석사이고 버클리 코딩 아카데미(Berkeley Coding Academy)의 설립자이자 이사로 전세계 10대들에게 머신러닝과 인공지능을 가르치고 있습니다. 또한 코리는 버클리 고등학교 독립 학습 프로그램의 수학 분야 의장으로서 프로그래밍과 고등 수학을 가르치고있습니다. 기초적인 자연어 처리를 가르치며, 패스스트림(Pathstream)과 데이터 과학 커리큘럼을 개발하고, 투워드 데이터 사이언스(Towards Data Science), 스프링보드(Springboard), 미디엄(Medium)에 통계학과 머신러닝 글을 기고합니다. 『The Python Workshop
수학과 예술 분야 석사이고 버클리 코딩 아카데미(Berkeley Coding Academy)의 설립자이자 이사로 전세계 10대들에게 머신러닝과 인공지능을 가르치고 있습니다. 또한 코리는 버클리 고등학교 독립 학습 프로그램의 수학 분야 의장으로서 프로그래밍과 고등 수학을 가르치고있습니다. 기초적인 자연어 처리를 가르치며, 패스스트림(Pathstream)과 데이터 과학 커리큘럼을 개발하고, 투워드 데이터 사이언스(Towards Data Science), 스프링보드(Springboard), 미디엄(Medium)에 통계학과 머신러닝 글을 기고합니다. 『The Python Workshop』(Packt, 2019)의 공동 저자이기도 합니다.
기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. Google AI/Cloud GDE, Microsoft AI MVP이다. 텐서플로우 블로그(tensorflow.blog)를 운영하고 있으며, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝 개정판》(한빛미디어, 2025), 《혼자 공부하는 데이터 분석 with 파이썬》(한빛미디어, 2023), 《챗GPT로 대화하는 기술》(한빛미디어, 2023), 《Do it! 딥러닝
기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. Google AI/Cloud GDE, Microsoft AI MVP이다. 텐서플로우 블로그(tensorflow.blog)를 운영하고 있으며, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝 개정판》(한빛미디어, 2025), 《혼자 공부하는 데이터 분석 with 파이썬》(한빛미디어, 2023), 《챗GPT로 대화하는 기술》(한빛미디어, 2023), 《Do it! 딥러닝 입문》(이지스퍼블리싱, 2019)을 집필했다.
《밑바닥부터 만들면서 배우는 LLM》(길벗, 2025), 《핸즈온 LLM》(한빛미디어, 2025), 《머신 러닝 Q & AI》(길벗, 2025), 《개발자를 위한 수학》(한빛미디어, 2024), 《실무로 통하는 ML 문제 해결 with 파이썬》(한빛미디어, 2024), 《머신러닝 교과서: 파이토치 편》(길벗, 2023), 《스티븐 울프럼의 챗GPT 강의》(한빛미디어, 2023), 《핸즈온 머신러닝 3판》(한빛미디어, 2023), 《만들면서 배우는 생성 딥러닝 2판》(한빛미디어, 2023), 《코딩 뇌를 깨우는 파이썬》(한빛미디어, 2023), 《트랜스포머를 활용한 자연어 처리》(한빛미디어, 2022), 《케라스 창시자에게 배우는 딥러닝 2판》(길벗, 2022), 《개발자를 위한 머신러닝&딥러닝》(한빛미디어, 2022), 《XGBoost와 사이킷런을 활용한 그레이디언트 부스팅》(한빛미디어, 2022), 《구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js》(길벗, 2022), 《파이썬 라이브러리를 활용한 머신러닝 개정2판》(한빛미디어, 2022), 《머신러닝 교과서 3판》(길벗, 2021)을 포함하여 수십 권의 책을 우리말로 옮겼다.
《혼자 만들면서 공부하는 딥러닝》(한빛미디어, 2025), 《혼자 공부하는 머신러닝+딥러닝 개정판》(한빛미디어, 2025), 《혼자 공부하는 데이터 분석 with 파이썬》(한빛미디어, 2023), 《챗GPT로 대화하는 기술》(한빛미디어, 2023), 《Do it! 딥러닝 입문》(이지스퍼블리싱, 2019)을 집필했다.
《밑바닥부터 만들면서 배우는 LLM》(길벗, 2025), 《핸즈온 LLM》(한빛미디어, 2025), 《머신 러닝 Q & AI》(길벗, 2025), 《개발자를 위한 수학》(한빛미디어, 2024), 《실무로 통하는 ML 문제 해결 with 파이썬》(한빛미디어, 2024), 《머신러닝 교과서: 파이토치 편》(길벗, 2023), 《스티븐 울프럼의 챗GPT 강의》(한빛미디어, 2023), 《핸즈온 머신러닝 3판》(한빛미디어, 2023), 《만들면서 배우는 생성 딥러닝 2판》(한빛미디어, 2023), 《코딩 뇌를 깨우는 파이썬》(한빛미디어, 2023), 《트랜스포머를 활용한 자연어 처리》(한빛미디어, 2022), 《케라스 창시자에게 배우는 딥러닝 2판》(길벗, 2022), 《개발자를 위한 머신러닝&딥러닝》(한빛미디어, 2022), 《XGBoost와 사이킷런을 활용한 그레이디언트 부스팅》(한빛미디어, 2022), 《구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js》(길벗, 2022), 《파이썬 라이브러리를 활용한 머신러닝 개정2판》(한빛미디어, 2022), 《머신러닝 교과서 3판》(길벗, 2021)을 포함하여 수십 권의 책을 우리말로 옮겼다.
박해선의 다른 상품
품목정보
- 발행일
- 2022년 04월 11일
- 이용안내
-
- 배송 없이 구매 후 바로 읽기
- 이용기간 제한없음
- TTS 불가능
- 저작권 보호를 위해 인쇄 기능 제공 안함
- 지원기기
- 크레마, PC(윈도우 - 4K 모니터 미지원), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(저사양 기기 사용 불가), PC(Mac)
- 파일/용량
- PDF(DRM) | 8.49MB ?
- 글자 수/ 페이지 수
- 약 381쪽 ?
- ISBN13
- 9791162245897
출판사 리뷰
|
데이터 과학 전문가를 위한 XGBoost와 사이킷런 활용법XGBoost는 빠르고 효율적으로 수십억 개의 데이터 포인트에 적용하기 위한 그레이디언트 부스팅 프레임워크로, 업계에서 입증된 오픈 소스 소프트웨어 라이브러리입니다. 이 책은 그레이디언트 부스팅에 대한 이론을 설명하기 전에 사이킷런으로 머신러닝과 XGBoost를 소개합니다. 결정 트리를 다루고 머신러닝 관점에서 배깅을 분석하며 XGBoost까지 확장되는 하이퍼파라미터를 배우겠습니다. 밑바닥부터 그레이디언트 부스팅 모델을 구축해보고 그레이디언트 부스팅을 빅 데이터로 확장하면서 속도의 중요성을 설명합니다. 그리고 속도 향상 및 수학적인 이론에 초점을 두고 XGBoost의 세부 사항을 알아봅니다. 자세한 사례 연구를 이용하여 사이킷런 API와 원본 파이썬 API 방식으로 XGBoost 분류 모델과 회귀 모델을 만들고 튜닝하는 방법을 연습합니다. 또한, XGBoost 하이퍼파라미터를 활용하여 성능 개선, 누락된 값 수정 및 불균형 데이터 세트 적용, 그리고 다른 기본 학습기를 튜닝합니다. 마지막으로 상관관계가 낮은 앙상블과 스태킹 모델을 만들어보고, 모델 배포를 위해 희소 행렬과 사용자 정의 변환기, 파이프라인과 같은 고급 XGBoost 기술을 적용합니다.주요 내용● 그레이디언트 부스팅 모델 구축● 정확하고 빠른 XGBoost 회귀 및 분류 모델 개발● XGBoost 하이퍼파라미터 미세 조정 측면에서 분산 및 편향 분석● 상관관계가 없는 앙상블을 구축하고 XGBoost 모델을 스태킹하여 정확성 향상● 다트, 선형 모델 및 XGBoost 랜덤 포레스트와 같은 기본 학습기 적용● 사용자 정의 변환기와 파이프라인을 사용한 XGBoost 모델 배포● 누락된 값 자동 수정 및 불균형 데이터 조정
|
