머신 러닝 교과서 : 파이토치 편

세바스찬라시카,유시(헤이든)류,바히드미자리리

저자:세바스찬라시카,유시(헤이든)류,바히드미자리리

역자:박해선

1장.컴퓨터는데이터에서배운다
1.1데이터를지식으로바꾸는지능적인시스템구축
1.2머신러닝의세가지종류
__1.2.1지도학습으로미래예측
__1.2.2강화학습으로반응형문제해결
__1.2.3비지도학습으로숨겨진구조발견
1.3기본용어와표기법소개
__1.3.1이책에서사용하는표기법과규칙
__1.3.2머신러닝용어
1.4머신러닝시스템구축로드맵
__1.4.1전처리:데이터형태갖추기
__1.4.2예측모델훈련과선택
__1.4.3모델을평가하고본적없는샘플로예측
1.5머신러닝을위한파이썬
__1.5.1파이썬과PIP에서패키지설치
__1.5.2아나콘다파이썬배포판과패키지관리자사용
__1.5.3과학컴퓨팅,데이터과학,머신러닝을위한패키지
1.6요약

2장.간단한분류알고리즘훈련
2.1인공뉴런:초기머신러닝의간단한역사
__2.1.1인공뉴런의수학적정의
__2.1.2퍼셉트론학습규칙
2.2파이썬으로퍼셉트론학습알고리즘구현
__2.2.1객체지향퍼셉트론API
__2.2.2붓꽃데이터셋에서퍼셉트론훈련
2.3적응형선형뉴런과학습의수렴
__2.3.1경사하강법으로손실함수최소화
__2.3.2파이썬으로아달린구현
__2.3.3특성스케일을조정하여경사하강법결과향상
__2.3.4대규모머신러닝과확률적경사하강법
2.4요약

3장.사이킷런을타고떠나는머신러닝분류모델투어
3.1분류알고리즘선택
3.2사이킷런첫걸음:퍼셉트론훈련
3.3로지스틱회귀를사용한클래스확률모델링
__3.3.1로지스틱회귀의이해와조건부확률
__3.3.2로지스틱손실함수의가중치학습
__3.3.3아달린구현을로지스틱회귀알고리즘으로변경
__3.3.4사이킷런을사용하여로지스틱회귀모델훈련
__3.3.5규제를사용하여과대적합피하기
3.4서포트벡터머신을사용한최대마진분류
__3.4.1최대마진
__3.4.2슬랙변수를사용하여비선형분류문제다루기
__3.4.3사이킷런의다른구현
3.5커널SVM을사용하여비선형문제풀기
__3.5.1선형적으로구분되지않는데이터를위한커널방법
__3.5.2커널기법을사용하여고차원공간에서분할초평면찾기
3.6결정트리학습
__3.6.1정보이득최대화:자원을최대로활용
__3.6.2결정트리만들기
__3.6.3랜덤포레스트로여러개의결정트리연결
3.7k-최근접이웃:게으른학습알고리즘
3.8요약

4장.좋은훈련데이터셋만들기:데이터전처리
4.1누락된데이터다루기
__4.1.1테이블형태데이터에서누락된값식별
__4.1.2누락된값이있는훈련샘플이나특성제외
__4.1.3누락된값대체
__4.1.4사이킷런추정기API익히기
4.2범주형데이터다루기
__4.2.1판다스를사용한범주형데이터인코딩
__4.2.2순서가있는특성매핑
__4.2.3클래스레이블인코딩
__4.2.4순서가없는특성에원-핫인코딩적용
4.3데이터셋을훈련데이터셋과테스트데이터셋으로나누기
4.4특성스케일맞추기
4.5유용한특성선택
__4.5.1모델복잡도제한을위한L1규제와L2규제
__4.5.2L2규제의기하학적해석
__4.5.3L1규제를사용한희소성
__4.5.4순차특성선택알고리즘
4.6랜덤포레스트의특성중요도사용
4.7요약

5장.차원축소를사용한데이터압축
5.1주성분분석을통한비지도차원축소
__5.1.1주성분분석의주요단계
__5.1.2주성분추출단계
__5.1.3총분산과설명된분산
__5.1.4특성변환
__5.1.5사이킷런의주성분분석
5.2선형판별분석을통한지도방식의데이터압축
__5.2.1주성분분석vs선형판별분석
__5.2.2선형판별분석의내부동작방식
__5.2.3산포행렬계산
__5.2.4새로운특성부분공간을위해선형판별벡터선택
__5.2.5새로운특성공간으로샘플투영
__5.2.6사이킷런의LDA
5.3비선형차원축소와시각화
__5.3.1비선형차원축소를고려하는이유는무엇인가요?
__5.3.2t-SNE를사용한데이터시각화
5.4요약

6장.모델평가와하이퍼파라미터튜닝의모범사례
6.1파이프라인을사용한효율적인워크플로
__6.1.1위스콘신유방암데이터셋
__6.1.2파이프라인으로변환기와추정기연결
6.2k-겹교차검증을사용한모델성능평가
__6.2.1홀드아웃방법
__6.2.2k-겹교차검증
6.3학습곡선과검증곡선을사용한알고리즘디버깅
__6.3.1학습곡선으로편향과분산문제분석
__6.3.2검증곡선으로과대적합과과소적합조사
6.4그리드서치를사용한머신러닝모델세부튜닝
__6.4.1그리드서치를사용한하이퍼파라미터튜닝
__6.4.2랜덤서치로하이퍼파라미터설정을더넓게탐색하기
__6.4.3SH방식을사용한자원효율적인하이퍼파라미터탐색
__6.4.4중첩교차검증을사용한알고리즘선택
6.5여러가지성능평가지표
__6.5.1오차행렬
__6.5.2분류모델의정밀도와재현율최적화
__6.5.3ROC곡선그리기
__6.5.4다중분류의성능지표
__6.5.5불균형한클래스다루기
6.6요약

7장.다양한모델을결합한앙상블학습
7.1앙상블학습
7.2다수결투표를사용한분류앙상블
__7.2.1간단한다수결투표분류기구현
__7.2.2다수결투표방식을사용하여예측만들기
__7.2.3앙상블분류기의평가와튜닝
7.3배깅:부트스트랩샘플링을통한분류앙상블
__7.3.1배깅알고리즘의작동방식
__7.3.2배깅으로Wine데이터셋의샘플분류
7.4약한학습기를이용한에이다부스트
__7.4.1부스팅작동원리
__7.4.2사이킷런에서에이다부스트사용
7.5그레이디언트부스팅:손실그레이디언트기반의앙상블훈련
__7.5.1에이다부스트와그레이디언트부스팅비교
__7.5.2그레이디언트부스팅알고리즘소개
__7.5.3분류를위한그레이디언트부스팅알고리즘
__7.5.4그레이디언트부스팅분류예제
__7.5.5XGBoost사용하기
7.6요약

8장.감성분석에머신러닝적용
8.1텍스트처리용IMDb영화리뷰데이터준비
__8.1.1영화리뷰데이터셋구하기
__8.1.2영화리뷰데이터셋을더간편한형태로전처리
8.2BoW모델소개
__8.2.1단어를특성벡터로변환
__8.2.2tf-idf를사용하여단어적합성평가
__8.2.3텍스트데이터정제
__8.2.4문서를토큰으로나누기
8.3문서분류를위한로지스틱회귀모델훈련
8.4대용량데이터처리:온라인알고리즘과외부메모리학습
8.5잠재디리클레할당을사용한토픽모델링
__8.5.1LDA를사용한텍스트문서분해
__8.5.2사이킷런의LDA
8.6요약

9장.회귀분석으로연속적타깃변수예측
9.1선형회귀
__9.1.1단순선형회귀
__9.1.2다중선형회귀
9.2에임스주택데이터셋탐색
__9.2.1데이터프레임으로에임스주택데이터셋읽기
__9.2.2데이터셋의중요특징시각화
__9.2.3상관관계행렬을사용한분석
9.3최소제곱선형회귀모델구현
__9.3.1경사하강법으로회귀모델의파라미터구하기
__9.3.2사이킷런으로회귀모델의가중치추정
9.4RANSAC을사용하여안정된회귀모델훈련
9.5선형회귀모델의성능평가
9.6회귀에규제적용
9.7선형회귀모델을다항회귀로변환
__9.7.1사이킷런을사용하여다항식항추가
__9.7.2에임스주택데이터셋을사용한비선형관계모델링
9.8랜덤포레스트를사용하여비선형관계다루기
__9.8.1결정트리회귀
__9.8.2랜덤포레스트회귀
9.9요약

10장.레이블되지않은데이터다루기:군집분석
10.1k-평균알고리즘을사용하여유사한객체그룹핑
__10.1.1사이킷런을사용한k-평균군집
__10.1.2k-평균++로초기클러스터센트로이드를똑똑하게할당
__10.1.3직접군집vs간접군집
__10.1.4엘보우방법을사용하여최적의클러스터개수찾기
__10.1.5실루엣그래프로군집품질을정량화
10.2계층적인트리로클러스터조직화
__10.2.1상향식으로클러스터묶기
__10.2.2거리행렬에서계층군집수행
__10.2.3히트맵에덴드로그램연결
__10.2.4사이킷런에서병합군집적용
10.3DBSCAN을사용하여밀집도가높은지역찾기
10.4요약

11장.다층인공신경망을밑바닥부터구현
11.1인공신경망으로복잡한함수모델링
__11.1.1단일층신경망요약
__11.1.2다층신경망구조
__11.1.3정방향계산으로신경망활성화출력계산
11.2손글씨숫자분류
__11.2.1MNIST데이터셋구하기
__11.2.2다층퍼셉트론구현
__11.2.3신경망훈련루프코딩
__11.2.4신경망모델의성능평가
11.3인공신경망훈련
__11.3.1손실함수계산
__11.3.2역전파알고리즘이해
__11.3.3역전파알고리즘으로신경망훈련
11.4신경망의수렴
11.5신경망구현에관한몇가지첨언
11.6요약

12장.파이토치를사용한신경망훈련
12.1파이토치와훈련성능
__12.1.1성능문제
__12.1.2파이토치란?
__12.1.3파이토치학습방법
12.2파이토치처음시작하기
__12.2.1파이토치설치
__12.2.2파이토치에서텐서만들기
__12.2.3텐서의데이터타입과크기조작
__12.2.4텐서에수학연산적용
__12.2.5chunk(),stack(),cat()함수
12.3파이토치입력파이프라인구축
__12.3.1텐서에서파이토치DataLoader만들기
__12.3.2두개의텐서를하나의데이터셋으로연결
__12.3.3셔플,배치,반복
__12.3.4로컬디스크에있는파일에서데이터셋만들기
__12.3.5torchvision.datasets라이브러리에서데이터셋로드
12.4파이토치로신경망모델만들기
__12.4.1파이토치신경망모듈(torch.nn)
__12.4.2선형회귀모델만들기
__12.4.