만월지 또는 파이썬으로 풀어보는 회귀분석 > 도서

만월지



도서명 : 만월지
저자/출판사 : 월왕, 지식과감성
쪽수 : 523쪽
출판일 : 2019-02-22
ISBN : 9791162755068
정가 : 16000

서막

제1화 귀천(貴賤)
가난한 양반, 부유한 천민

제2화 15日
만월지(滿月池)

제3화 시(詩)의 근원
소생과 죽음

제4화 은화록(銀花錄)
유한(銀)과 무한(金)의 염원

제5화 공명(恐明)의 영(影)

제6화 月: 丹門(단문)
逆: 경우의 수

제7화 死 - 시(時), 정면 상실
草 - 夏, 대지의 몸(?)

제8화 死 - 蘇生(소생)의 필연
葉 - 秋, 대지의 윤곽

제9화 髮 - 黑白상념의 표식화
冬 - 대육각형

제10화 밤하늘의 다이아몬드
愛 - 등불 시인과 인공 지능(AI) 학자

제11화 春 - 소생, 죽음의 마지막
胸(左) - 攀緣(반연)

제12화 15日. 天下滿月池(천하 만월지)
胸(右) - 석양(夕陽)

제13화(完) 三緣(삼연) - 인공 지능의 시(詩)




파이썬으로 풀어보는 회귀분석



도서명 : 파이썬으로 풀어보는 회귀분석
저자/출판사 : 루카 마싸론 , 알베르토 보스체티, 에이콘출판
쪽수 : 384쪽
출판일 : 2019-01-02
ISBN : 9791161752501
정가 : 30000

지은이 소개
기술 감수자 소개
옮긴이 소개
옮긴이의 말
들어가며

1장. 회귀분석-데이터 과학의 주역
__회귀분석과 데이터 과학
____데이터 과학의 가능성 답사
____데이터 과학의 난제
____선형모델
____이 책의 목표
__데이터 과학을 위한 파이썬
____파이썬 설치
____파이썬 2와 파이썬 3의 선택
____단계별 설치
____패키지 설치
____패키지 업그레이드
____과학용 배포판
____Jupyter 및 IPython 소개
__선형모델을 위한 파이썬 패키지와 함수
____NumPy
____SciPy
____Statsmodels
____Scikit-learn
__요약

2장. 단순선형회귀분석 접근
__회귀 문제 정의
____선형모델과 지도 학습
____선형모델 제품군
____단순선형회귀를 위한 준비
__기초부터 시작
____선형관계 측정
__선형회귀로 확장
____Statsmodels를 사용한 회귀
____결정계수
____계수의 의미와 중요성
____적합값 평가
____상관관계는 인과관계가 아니다
____회귀모델을 이용한 예측
____Scikit-learn을 사용한 회귀
__비용 함수 최소화
____제곱오차를 사용하는 이유
____의사 역행렬 및 기타 최적화 방법
____작업에서의 기울기 하강
__요약

3장. 다중회귀분석
__여러 특성 사용
____Statsmodel로 모델 구축
____공식을 대안으로 사용
____상관행렬
__기울기 하강 재방문
____특성 조정
____비표준화 계수
__특성 중요도 평가
____표준화된 계수 검사
____R2으로 모델 비교
__상호작용 모델
____상호작용 발견
__다항식 회귀
____선형 대 3차 변환 테스트
____더 높은 차수의 솔루션 제공
____과소 적합과 과잉 적합 소개
__요약

4장. 로지스틱회귀
__분류 문제 정의
____문제의 공식화: 이진 분류
____클래시파이어의 성능 평가
__확률 기반 접근법 정의
____로지스틱 함수와 로짓 함수에 대한 추가 정보
____몇 가지 코드 확인
____로지스틱회귀의 장점과 단점
__기울기 하강 재방문
__다중 클래스 로지스틱회귀
__예제
__요약

5장. 데이터 준비
__숫자 특성 조정
____평균 중심화
____표준화
____정규화
____로지스틱회귀 사례
__정성적 특성 인코딩
____Pandas를 이용한 더미 코딩
____DictVectorizer와 one-hot encoding
____특성 해셔
__수치 특성 변환
____잔차 측정
____비닝 방법
__누락 데이터
____누락 데이터 대체
____누락된 값 추적
__이상치
____응답에서의 이상치
____예측변수의 이상치
____이상치 제거 또는 교체
__요약

6장. 일반화 달성
__샘플 외 데이터 검사
____샘플 분할 테스트
____교차 검증
____부트스트래핑
__특성의 그리디 선택
____마델론 데이터셋
____특성의 일변량 선택
____재귀적 특성 선택
__그리드 검색에 의한 최적화된 정규화
____리지 (L2 정규화)
__최적의 파라미터를 위한 그리드 검색
____무작위 그리드 검색
__라쏘 (L1 정규화)
____엘라스틱 넷
__안정성 선택
____마델론 실험
__요약

7장. 온라인과 일괄 학습
__배치 학습
__온라인 미니 배치 학습
____실제 예제
____테스트셋 없는 스트리밍 시나리오
__요약

8장. 고급 회귀 방법
__최소 각도 회귀
____LARS의 시각적 쇼케이스
____코드 예제
____LARS 정리
__베이지안 회귀
____베이지안 회귀 정리
__힌지 손실이 있는 SGD 분류
____로지스틱회귀와 비교
____SVR
____SVM 정리
__회귀 트리(CART)
____회귀 트리 정리
__배깅과 부스팅
__배깅
____부스팅
____앙상블 정리
__LAD를 이용한 기울기 부스팅 리그레서
____LAD를 사용한 GBM 정리
__요약

9장. 회귀모델의 실제 응용
__데이터셋 다운로드
____시계열 문제 데이터셋
____리그레션 문제 데이터셋
____다중 클래스 분류 문제 데이터셋
____랭킹 문제 데이터셋
__회귀 문제
____리그레서 대신 클래시파이어로 테스트
__불균형 및 다중 클래스 분류 문제
__순위 문제
__시계열 문제
____공개 질문
__요약

찾아보기