프롤로그: 머신 러닝 활용 실제 사례

1장. 머신 러닝 구성요소
1.1 작업: 머신 러닝으로 해결되는 문제들
1.2 모델들: 머신 러닝 출력 결과
1.3 특징: 머신 러닝의 워크호스
1.4 요약과 전망

2장. 이진 분류와 관련 작업들
2.1 분류
2.2 스코어링과 등급화
2.3 부류 확률 추정
2.4 이진 분류 문제와 관련 작업들: 요약과 추천 문헌

3장. 다-부류 분류 기법
3.1 두 부류 이상을 갖는 분류 문제
3.2 회귀
3.3 자율형과 기술형 학습
3.4 다-부류 분류 기법: 요약과 추천 문헌

4장. 개념 학습
4.1 가설 공간
4.2 가설 공간 경로
4.3 논리곱 개념을 넘어서
4.4 학습 용이성
4.5 개념 학습: 요약과 추천 문헌

5장. 트리 모델
5.1 판정 트리
5.2 랭킹과 확률 추정 트리
5.3 분산 감소를 통한 트리 학습
5.4 트리 모델: 요약과 추천 문헌

6장. 룰 모델
6.1 순서화된 룰 리스트 기반 학습
6.2 비순서화된 룰 집합 학습
6.3 기술적 룰 학습
6.4 1차 룰 학습
6.5 룰 모델: 요약과 추천 문헌

7장. 선형 모델
7.1 최소 제곱 방법
7.2 퍼셉트론
7.3 지원 벡터 기계
7.4 선형 분류기에서 확률 계산
7.5 비선형 커널 방법
7.6 선형 모델: 요약과 추천 문헌

8장. 거리 기반 모델
8.1 수많은 도로들…
8.2 이웃과 이그젬플러
8.3 최근접 이웃 기반 분류
8.4 거리 기반 군집
8.5 계층적 군집
8.6 커널에서 거리까지
8.7 거리 기반 모델: 요약과 추천 문헌

9장. 확률 모델
9.1 정규 분포와 기하학적 해석
9.2 분류형 데이터에서 확률 모델
9.3 조건부 우도 최적화에 의한 판별 학습
9.4 은닉 변수를 갖는 확률 모델
9.5 압축 기반 모델
9.6 확률 모델: 요약과 추천 문헌

10장. 특징
10.1 특징의 종류
10.2 특징 변환
10.3 특징 구성과 선택
10.4 특징: 요약과 추천 문헌

11장. 모델 앙상블
11.1 배깅과 랜덤 포레스트
11.2 부스팅
11.3 앙상블 랜드스케이프로 사상하기
11.4 앙상블 분류기 모델: 요약과 추천 문헌

12장. 머신 러닝 실험
12.1 무엇을 측정할 것인가
12.2 그것을 어떻게 측정할 것인가
12.3 그것을 어떻게 해석할 것인가
12.4 머신 러닝 실험: 요약과 추천 문헌

에필로그: 그다음엔 어디로 갈 것인가
기억해야 할 핵심 요점들
참고 문헌