머신러닝을 활용한 인공지능 개발

머리말

1장 빅데이터를 활용한 머신러닝 학습데이터 생성

01 서론
02 공공 빅데이터 수집
03 머신러닝 학습데이터 생성
연습문제
참고문헌

2장 머신러닝 개념과 모델링

01 서론
02 머신러닝 학습데이터
03 머신러닝 기반 비만 예측모형 개발
3.1 나이브 베이즈 분류모형
1) 비만(정상, 비만) 예측모형
2) 비만(저체중, 정상, 비만) 예측모형
3.2 로지스틱 회귀모형
1) 비만(정상, 비만) 예측모형
2) 비만(저체중, 정상, 비만) 예측모형
3.3 랜덤포레스트 모형
1) 비만(정상, 비만) 예측모형
2) 비만(저체중, 정상, 비만) 예측모형
3.4 의사결정나무 모형
가. R 프로그램 활용
1) 비만(정상, 비만) 예측모형
2) 비만(저체중, 정상, 비만) 예측모형
나. SPSS 프로그램 활용
1) 범주형 독립변수를 활용한 비만(정상, 비만) 예측모형
2) 범주형 독립변수를 활용한 비만(저체중, 정상, 비만) 예측모형
3) 연속형 독립변수를 활용한 비만(정상, 비만) 예측모형
4) 범주형과 연속형 독립변수를 활용한 비만(저체중, 정상, 비만)
예측모형
3.5 신경망 모형
1) 비만(정상, 비만) 예측모형
2) 비만(저체중, 정상, 비만) 예측모형
3.6 서포트벡터머신 모형
1) 비만(정상, 비만) 예측모형
2) 비만(저체중, 정상, 비만) 예측모형
3.7 연관분석
1) 독립변수 간 연관 분석
2) 독립변수와 종속변수 간 연관 분석
3.8 군집분석
1) 군집분석
2) 세분화
04 머신러닝 모형평가
4.1 오분류표를 이용한 머신러닝 모형의 평가
1) na?veBayes 분류모형 평가
2) 신경망 모형 평가
3) 로지스틱 회귀모형 평가
4) 서포트벡터머신 모형 평가
5) 랜덤포레스트 모형 평가
6) 의사결정나무 모형 평가
4.2 ROC 곡선을 이용한 머신러닝 모형의 평가
1) 범주형 독립변수를 활용한 비만(정상, 비만) 예측모형 ROC 평가
2) 범주형과 연속형 독립변수를 활용한 비만(정상, 비만) 예측모형 ROC 평가
4.3 머신러닝 모형의 성능향상 방안

3장 인공지능 개발 및 활용

1. 입력변수가 출력변수에 미치는 영향력(예측확률) 산출하기
2. 입력변수만 있고 종속변수가 없는 학습데이터에 랜덤포레스트 예측모형에서 예측한 종속변수를 생성하여 학습데이터에 추가하기
3. 학습데이터의 분류와 예측데이터의 분류가 동일한 데이터 만들기
4. 기존의 학습데이터와 양질의 학습데이터의 평가
5. 머신러닝으로 인공지능 만들기
연습문제

참고문헌
찾아보기