본래 머신러닝에도 관심이많고, 내년부터는 파이썬을 좀 많이다뤄야겠다 생각해서 책을 구매하게되었습니다. 또 개인적으로 스터디팀 프로젝트도 겹치고해서….는 … 사실 이전에 구매했던 제품들을 통해서 포인트가 많이 쌓여서 어디다 쓸까하다가 구매한…

저자 마이클 보울즈는 기계 공학의 학사와 석사, 박사와 MBA를 취득했다. 학계, 산업 기술, 비즈니스 영역에서 일해왔으며, 현재 성공을 위해 머신 러닝이 필수 조건인 여러 스타트업 회사와 함께 일하고 있다. 여기서 그는 팀 관리자, 컨설턴트, 고문 등 다양한 역할을 수행하고 있다. 또한 캘리포니아 마운틴 뷰에 있는 공동 작업 공간이자 스타트업 인큐베이터인 해커 도조(HACKER DOJO)에서 머신 러닝 과정을 가르치고 있다.

1장. 예측할 때 사용하는 두 가지 핵심 알고리즘

- 왜 이 두 가지 알고리즘이 유용한가?

- 피널라이즈드 회귀 기법은 무엇인가?

- 앙상블 기법은 무엇인가?

- 어떤 알고리즘을 사용할 것인지 결정하는 방법

- 예측 모델 생성을 위한 단계별 절차

- 각 장의 내용과 연관관계

- 요약

2장. 데이터 이해로 문제 이해하기

- 새로운 문제의 구조 확인

- 속성과 레이블의 차이 때문에 모델이 선택된다

- 바위와 기뢰 데이터 세트의 특성 시각화

- 요인 변수로 수치 값 예측: 전복의 나이는 몇 살인가?

- 수치 속성을 사용한 수치 예측-와인 테이스트 계산하기

- 다중 분류 문제: 유리의 종류는 무엇인가?

- 요약

3장. 예측 모델 생성: 성능, 복잡성, 빅 데이터의 균형

- 기초 문제: 함수 근사 이해하기

- 알고리즘 선택 및 성능에 영향을 미치는 요인-복잡성과 데이터

- 예측 모델의 성능 측정

- 모델과 데이터의 조화

- 요약

4장. 피널라이즈드 선형 회귀

- 왜 피널라이즈드 선형 회귀 기법이 유용한가

- 피널라이즈드 선형 회귀: 최적 성능을 위한 선형 회귀 조절

- 피널라이즈드 선형 회귀 문제 풀기

- 수치 입력으로 선형 회귀 확장

- 요약

5장. 피널라이즈드 선형 기법을 이용한 예측 모델 생성

- 피널라이즈드 선형 회귀 파이썬 패키지

- 다변수 회귀: 와인 테이스트 예측

- 다중 분류: 범죄 현장의 유리 샘플 분류

- 요약

6장. 앙상블 기법

- 이진 의사결정 트리

- 부트스트랩 애그리게이션: 배깅

- 그래디언트 부스팅

- 랜덤 포레스트

- 요약

7장. 파이썬으로 앙상블 예측 모델 생성

- 파이썬 앙상블 패키지를 이용한 회귀 문제 풀기

- 와인 테이스트 예측을 위한 배깅 코딩

- 파이썬 앙상블 모델에서 비수치형 속성 사용하기

- 파이썬 앙상블 메서드로 이항 분류 문제 풀기

- 파이썬 앙상블 기법으로 다중 분류 문제 풀기

- 알고리즘 비교