파이썬을 활용한 머신러닝 쿡북

CHAPTER 1 벡터, 행렬, 배열
__1.0 소개
__1.1 벡터 만들기
__1.2 행렬 만들기
__1.3 희소행렬 만들기
__1.4 원소 선택하기
__1.5 행렬 정보 확인하기
__1.6 벡터화 연산 적용하기
__1.7 최댓값, 최솟값 찾기
__1.8 평균, 분산, 표준편차 계산하기
__1.9 배열 크기 바꾸기
__1.10 벡터나 행렬 전치하기
__1.11 행렬 펼치기
__1.12 행렬의 랭크 구하기
__1.13 행렬식 계산하기
__1.14 행렬의 대각원소 추출하기
__1.15 행렬의 대각합 계산하기
__1.16 고윳값과 고유벡터 찾기
__1.17 점곱 계산하기
__1.18 행렬 덧셈과 뺄셈
__1.19 행렬 곱셈
__1.20 역행렬
__1.21 난수 생성하기

CHAPTER 2 데이터 적재
__2.0 소개
__2.1 샘플 데이터셋 적재하기
__2.2 모의 데이터셋 만들기
__2.3 CSV 파일 적재하기
__2.4 엑셀 파일 적재하기
__2.5 JSON 파일 적재하기
__2.6 SQL 데이터베이스로부터 적재하기

CHAPTER 3 데이터 랭글링
__3.0 소개
__3.1 데이터프레임 만들기
__3.2 데이터 설명하기
__3.3 데이터프레임 탐색하기
__3.4 조건에 따라 행 선택하기
__3.5 값 치환하기
__3.6 열 이름 바꾸기
__3.7 최솟값, 최댓값, 합, 평균 계산 및 개수 세기
__3.8 고유한 값 찾기
__3.9 누락된 값 다루기
__3.10 열 삭제하기
__3.11 행 삭제하기
__3.12 중복된 행 삭제하기
__3.13 값에 따라 행을 그룹핑하기
__3.14 시간에 따라 행을 그룹핑하기
__3.15 열 원소 순회하기
__3.16 모든 열 원소에 함수 적용하기
__3.17 그룹에 함수 적용하기
__3.18 데이터프레임 연결하기
__3.19 데이터프레임 병합하기

CHAPTER 4 수치형 데이터 다루기
__4.0 소개
__4.1 특성 스케일 바꾸기
__4.2 특성을 표준화하기
__4.3 정규화하기
__4.4 다항 특성과 교차항 특성 생성하기
__4.5 특성 변환하기
__4.6 이상치 감지하기
__4.7 이상치 다루기
__4.8 특성 이산화하기
__4.9 군집으로 샘플을 그룹으로 묶기
__4.10 누락된 값을 가진 샘플을 삭제하기
__4.11 누락된 값 채우기

CHAPTER 5 범주형 데이터 다루기
__5.0 소개
__5.1 순서가 없는 범주형 특성 인코딩하기
__5.2 순서가 있는 범주형 특성 인코딩하기
__5.3 특성 딕셔너리를 인코딩하기
__5.4 누락된 클래스 값 대체하기
__5.5 불균형한 클래스 다루기

CHAPTER 6 텍스트 다루기
__6.0 소개
__6.1 텍스트 정제하기
__6.2 HTML 파싱과 정제하기
__6.3 구두점 삭제하기
__6.4 텍스트 토큰화하기
__6.5 불용어 삭제하기
__6.6 어간 추출하기
__6.7 품사 태깅하기
__6.8 텍스트를 BoW로 인코딩하기
__6.9 단어 중요도에 가중치 부여하기

CHAPTER 7 날짜와 시간 다루기
__7.0 소개
__7.1 문자열을 날짜로 변환하기
__7.2 시간대 다루기
__7.3 날짜와 시간 선택하기
__7.4 날짜 데이터를 여러 특성으로 나누기
__7.5 날짜 간의 차이를 계산하기
__7.6 요일을 인코딩하기
__7.7 시차 특성 만들기
__7.8 이동 시간 윈도 사용하기
__7.9 시계열 데이터에서 누락된 값 다루기

CHAPTER 8 이미지 다루기
__8.0 소개
__8.1 이미지 로드하기
__8.2 이미지 저장하기
__8.3 이미지 크기 변경하기
__8.4 이미지 자르기
__8.5 이미지 흐리게 하기
__8.6 이미지 선명하게 하기
__8.7 대비 높이기
__8.8 색깔 구분하기
__8.9 이미지 이진화하기
__8.10 배경 제거하기
__8.11 경계선 감지하기
__8.12 모서리 감지하기
__8.13 머신러닝 특성 만들기
__8.14 평균 색을 특성으로 인코딩하기
__8.15 컬러 히스토그램을 특성으로 인코딩하기

CHAPTER 9 특성 추출을 사용한 차원 축소
__9.0 소개
__9.1 주성분을 사용해 특성 줄이기
__9.2 선형적으로 구분되지 않은 데이터의 차원 축소하기
__9.3 클래스 분리를 최대화하여 특성 줄이기
__9.4 행렬 분해를 사용하여 특성 줄이기
__9.5 희소한 데이터의 특성 줄이기

CHAPTER 10 특성 선택을 사용한 차원 축소
__10.0 소개
__10.1 분산을 기준으로 수치 특성 선택하기
__10.2 분산을 기준으로 이진 특성 선택하기
__10.3 상관관계가 큰 특성 다루기
__10.4 분류 작업에 관련 없는 특성 삭제하기
__10.5 재귀적 특성 제거하기

CHAPTER 11 모델 평가
__11.0 소개
__11.1 교차검증 모델 만들기
__11.2 기본 회귀 모델 만들기
__11.3 기본 분류 모델 만들기
__11.4 이진 분류기의 예측 평가하기
__11.5 이진 분류기 임곗값 평가하기
__11.6 다중클래스 분류기 예측 평가하기
__11.7 분류기 성능 시각화하기
__11.8 회귀 모델 평가하기
__11.9 군집 모델 평가하기
__11.10 사용자 정의 평가 지표 만들기
__11.11 훈련 세트 크기에 따른 영향을 시각화하기
__11.12 평가 지표 리포트 만들기
__11.13 하이퍼파라미터 값의 영향을 시각화하기

CHAPTER 12 모델 선택
__12.0 소개
__12.1 완전 탐색을 사용해 최선의 모델 선택하기
__12.2 랜덤 서치를 사용해 최선의 모델 선택하기
__12.3 여러 학습 알고리즘에서 최선의 모델 선택하기
__12.4 전처리와 함께 최선의 모델 선택하기
__12.5 병렬화로 모델 선택 속도 높이기
__12.6 알고리즘에 특화된 기법을 사용하여 모델 선택 수행 속도 높이기
__12.7 모델 선택 후 성능 평가하기

CHAPTER 13 선형회귀
__13.0 소개
__13.1 직선 학습하기
__13.2 교차 특성 다루기
__13.3 비선형 관계 학습하기
__13.4 규제로 분산 줄이기
__13.5 라소 회귀로 특성 줄이기

CHAPTER 14 트리와 랜덤 포레스트
__14.0 소개
__14.1 결정 트리 분류기 훈련하기
__14.2 결정 트리 회귀 훈련하기
__14.3 결정 트리 모델 시각화하기
__14.4 랜덤 포레스트 분류기 훈련하기
__14.5 랜덤 포레스트 회귀 훈련하기
__14.6 랜덤 포레스트에서 중요한 특성 구분하기
__14.7 랜덤 포레스트에서 중요한 특성 선택하기
__14.8 불균형한 클래스 다루기
__14.9 트리 크기 제어하기
__14.10 부스팅을 사용하여 성능 향상하기
__14.11 OOB 데이터로 랜덤 포레스트 평가하기

CHAPTER 15 k-최근접 이웃
__15.0 소개
__15.1 샘플의 최근접 이웃 찾기
__15.2 k-최근접 이웃 분류기 만들기
__15.3 최선의 이웃 개수 결정하기
__15.4 반지름 기반의 최근접 이웃 분류기 만들기

CHAPTER 16 로지스틱 회귀
__16.0 소개
__16.1 이진 분류기 훈련하기
__16.2 다중 클래스 분류기 훈련하기
__16.3 규제로 분산 줄이기
__16.4 대용량 데이터에서 분류기 훈련하기
__16.5 불균형한 클래스 다루기

CHAPTER 17 서포트 벡터 머신
__17.0 소개
__17.1 선형 분류기 훈련하기
__17.2 커널을 사용해 선형적으로 구분되지 않는 클래스 다루기
__17.3 예측 확률 계산하기
__17.4 서포트 벡터 식별하기
__17.5 불균형한 클래스 다루기

CHAPTER 18 나이브 베이즈
__18.0 소개
__18.1 연속적인 특성으로 분류기 훈련하기
__18.2 이산적인 카운트 특성으로 분류기 훈련하기
__18.3 이진 특성으로 나이브 베이즈 분류기 훈련하기
__18.4 예측 확률 보정하기

CHAPTER 19 군집
__19.0 소개
__19.1 k-평균을 사용한 군집
__19.2 k-평균 군집 속도 향상하기
__19.3 평균이동을 사용한 군집
__19.4 DBSCAN을 사용한 군집
__19.5 계층적 병합을 사용한 군집

CHAPTER 20 신경망
__20.0 소개
__20.1 신경망을 위한 데이터 전처리하기
__20.2 신경망 구성하기
__20.3 이진 분류기 훈련하기
__20.4 다중 분류기 훈련하기
__20.5 회귀 모델 훈련하기
__20.6 예측하기
__20.7 훈련 기록 시각화하기
__20.8 가중치 규제로 과대적합 줄이기
__20.9 조기종료로 과대적합 줄이기
__20.10 드롭아웃으로 과대적합 줄이기
__20.11 모델 훈련 진행 과정을 저장하기
__20.12 신경망을 k-폴드 교차검증하기
__20.13 신경망 튜닝하기
__20.14 신경망 시각화하기
__20.15 이미지 분류하기
__20.16 이미지 증식으로 성능 향상하기
__20.17 텍스트 분류하기

CHAPTER 21 훈련된 모델 저장과 복원
__21.0 소개
__21.1 사이킷런 모델을 저장하고 복원하기
__21.2 케라스 모델을 저장하고 복원하기