JMP를 활용한 머신 러닝

1장. 비즈니스 데이터 분석과 JMP
1.1 비즈니스 데이터 분석
1.2 머신 러닝과 통계적 접근의 만남 그리고 JMP의 활용
1.3 JMP 인터페이스와 분석 환경

2장. 머신 러닝의 전반적인 흐름 이해
2.1 머신 러닝의 전체 흐름과 핵심 용어
2.2 데이터의 유형과 사전 처리
2.3 변수 선택과 피처 엔지니어링
2.4 모델 성능 비교 지표

3장. 지도학습 I - 회귀분석을 활용한 예측
3.1 단순회귀분석
3.2 다중 회귀 모형 : Fit Model
3.3 로지스틱 회귀분석
3.4 일반화 회귀분석(변수 선택법)
3.5 단계별 회귀 분석

4장. 지도학습 II - 의사결정나무
4.1 의사결정나무(Partition)
4.2 Bootstrap Forest
4.3 Boosted Tree

5장. 지도학습 III - 인공신경망
5.1 Neural Network 플랫폼 소개
5.2 신경망 모델의 성능 개선과 해석 전략

6장. 비지도 학습 I - 차원 축소
6.1 주성분 분석과 요인분석(PCA and EFA)
6.2 다차원척도법 (MDS)
6.3 다변량 임베딩

7장. 비지도 학습 II - 군집화 기법
7.1 계층적 군집분석(Hierarchical Clustering)
7.2 K-평균 군집분석(K-means Clustering)
7.3 정규 혼합 분석(Normal Mixture)
7.4 잠재 클래스 분석(Latent Class Analysis)

8장 특화 기법과 고급 분석
8.1 부분 최소 제곱법(Partial Least Squares)
8.2 구조 방정식 모형(Structural Equation Model)
8.3 이상치 탐색(Explore Outliers)
8.4 모형 선별(Model Screening)

참고문헌
찾아보기