이미 소장하고 있다면 판매해 보세요.
|
1장 탐색적 자료 분석
1-1. 공통 데이터 불러오기 데이터 기본정보 확인 기술 통계 1-2. 질적변수 도수분포표, 상대도수분포표 상관계수: 스피어만 상관계수, 켄달의 타우 질적변수 탐색 시각화 1-3. 양적변수 도수분포표, 상대도수분포표 계산적 대푯값 위치적 대푯값 절대적 산포도 상대적 산포도 왜도, 첨도 상관계수: 피어슨의 적률상관계수 양적변수 탐색 시각화 2장 전처리 2-1. 결측치 처리 결측치 확인 Zero imputation & Constant imputation 대푯값으로 채우는 방법 단순확률대치법 다른 변수들로부터 모델링을 하여 결측값을 예측하는 방법 보간법 실제값과 대치값 비교 2-2. 이상치 처리 절단 조정 클리핑 2-3. 클래스 불균형 처리 클래스 불균형 데이터 생성하기 랜덤오버샘플링 SMOTE Borderline SMOTE K-means SMOTE SVM SMOTE ADASYN 오버샘플링된 데이터로 분류 학습 및 결과 비교 2-4. 변수변환 2-4-1. 수치형 변수 변환 표준화 최소최대 스케일링 Robust scaling Quantile scaling Feature scaling한 데이터로 로지스틱 회귀 분석 및 결과 비교 로그 변환 거듭제곱변환 Target scaling한 데이터로 시각화, 선형 회귀 분석 및 결과 비교 순위로 변환 구간 분할 2-4-2. 범주형 변수 변환 원핫인코딩 더미코딩 숫자로 표현된 범주형 특성 변환 레이블 인코딩 특징 해싱 빈도 인코딩 3장 표본추출, 데이터 분할, 교차검증 3-1. 표본 추출 단순랜덤추출법 계통추출법 집락추출법 층화추출법 3-2. 데이터 분할 일반적 데이터 분할 및 홀드아웃 방법 Bootstrap Shuffle split K-fold 분할 Stratified K-fold 분할 Group K-fold 분할 3-3. 교차 검증 분할 샘플들로 교차 검증 파라미터 후보들로 교차 검증 4장 확률분포 4-1. 특수한 이산형 확률분포들 베르누이 분포 이항분포 음이항분포 기하분포 초기하분포 포아송 분포 4-2. 특수한 연속형 확률분포들 균일분포 정규분포와 표준정규분포 지수분포 감마분포 카이제곱분포 t분포 F분포 5장 추정과 가설 검정 5-1. 일표본 (One-sample) 모평균의 추정과 가설 검정: Z분포, t분포 1종 오류와 2종 오류 모비율의 추정과 가설 검정: Z분포 모분산의 추정과 가설 검정: 카이제곱분포 5-2. 이표본 (Two-sample) 독립표본 모평균 차이의 추정과 가설 검정: Z분포, t분포 대응표본 모평균 차이의 추정과 가설 검정: Z분포, t분포 독립표본 모비율 차이의 추정과 가설 검정: Z분포 대응표본 모분산 비의 추정과 가설 검정: F분포 5-3. 분산분석의 가정 정규성 검정 k표본 등분산 검정 (Levene) k표본 등분산 검정 (Bartlett) 5-4. 분산분석: F분포 등분산인 one-way ANOVA 이분산인 one-way ANOVA 등분산인 two-way ANOVA (모수인자-모수인자) 등분산인 two-way ANOVA (모수인자-변량인자) 6장 비모수 검정 6-1. 카이제곱검정: 카이제곱분포 적합성 검정: 다항모집단 비율의 차이 독립성 검정: 한 모집단 내 여러 수준의 차이 동질성 검정: 여러 (부)모집단 간 여러 수준에 대한 차이 6-2. Run 검정: Run 검정표, Z분포 일표본 Run 검정 이표본 Run 검정 6-3. 이항변수 데이터 검정: 카이제곱분포 맥니머 검정 코크란Q 검정 6-4. 부호, 순위 데이터 검정 일표본 부호 검정: 이항분포, Z분포 이표본 부호 검정: 이항분포, Z분포 일표본 윌콕슨 부호순위 검정: 윌콕슨 부호순위 검정표, Z분포 이표본 윌콕슨 부호순위 검정: 윌콕슨 부호순위 검정표, Z분포 윌콕슨 순위합 검정(만 위트니 U검정): 윌콕슨 순위합 검정표, Z분포 6-5. k표본 순위 데이터 검정 크러스컬 월리스 검정: 크러스컬 월리스 검정표, 카이제곱분포 프리드먼 검정: 프리드먼 검정표, 카이제곱분포 7장 공분산과 상관계수 7-1. 공분산 7-2. 상관계수 피어슨 상관계수 스피어만 순위상관계수 켄달의 타우 크라메르의 연관계수 자기상관계수 8장 회귀 분석 8-1. 선형 회귀 8-1-1. 단순 선형 회귀 8-1-2. 다중 선형 회귀 영향치 판단 VIF 계산 변수 선택과 가능도 잔차 분석 8-1-3. 규제 선형 회귀 릿지 회귀 라쏘 회귀 엘라스틱 넷 8-1-4. 일반화 선형 회귀 로지스틱 회귀 포아송 회귀 8-1-5. 아웃라이어에 강한 선형 회귀 Robust regression Quantile regression 8-2. 비선형 회귀 다항 회귀 스플라인 회귀 9장 지도 학습 알고리즘 9-1. 의사결정나무와 앙상블 9-1-1. 의사결정나무 9-1-2. 앙상블 배깅 부스팅 랜덤 포레스트와 Extra-trees 스태킹 9-2. KNN 9-3. SVM 9-4. 나이브 베이즈 분류 베이즈 통계 나이브 베이즈 분류 9-5. 인공신경망 다층 퍼셉트론 10장 비지도 학습 알고리즘 10-1. 차원 축소 주성분 분석 LSA 요인 분석 독립성분 분석 음수 미포함 행렬 분해 다차원 척도법 t-SNE 원본 데이터와 차원 축소 데이터로 적합한 모델 성능 비교 10-2. 군집 분석 10-2-1. 계층적 군집 분석 10-2-2. 비계층적 군집 분석 K-means clustering DBSCAN 혼합분포군집 SOM 10-3. 연관규칙학습 11장 모델 평가 지표와 거리 지표 11-1. 회귀모델 평가 지표 11-2. 분류모델 평가 지표 11-3. 군집모델 평가 지표 실제 군집값이 없는 경우 실제 군집값이 있는 경우 11-4. 거리 지표 연속형 변수의 거리들 범주형 변수의 거리들 12장 시계열 분석 12-1. 시계열 탐색적 분석 12-1-1. 일반적 EDA 12-1-2. 시계열에 특화된 EDA 정상성 확인 자기상관 확인 시계열 분해 12-2. 시계열 데이터 전처리 시계열 데이터 다루기 시계열 빈도 변경 (업샘플링, 다운샘플링) 결측치 처리 차분과 변환 12-3. 시계열 모델링 및 평가 12-3-1. 통계 모델 12-3-2. 머신러닝 모델 |
조정임의 다른 상품
|
대상 독자
이 책으로 학습하기 위해서는 기본적인 파이썬 프로그래밍 능력과 데이터 과학에 대한 기초 지식이 필요하다. 이러한 배경지식이 없는 독자라면, 이 책의 내용을 학습하기 전에 기초적인 파이썬 언어 사용법을 익히고, 데이터 과학에 대한 기본 개념을 살펴보기를 권한다. 비록 이러한 배경지식이 없더라도, 이 책의 예제 코드들을 직접 작성하며 실행해보는 동시에, 그 때 그 때 등장하는 모르는 개념들을 찾아가며 학습하는 방법도 시도해 볼 수 있다. |