- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
파이썬을 활용한 머신러닝 쿡북 전처리에서 딥러닝까지, 판다스와 사이킷런 중심의 실전 문제 해결 200선
- 크리스 알본 저
- 박해선 역
- 한빛미디어
- 2019년 09월 01일
-
정가33,000원
-
판매가29,700원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,650원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2025년 02월 07일(금)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791162241950
508쪽
183 x 235 (㎜)
지금 이책은
- 판매지수 : 340
- 주간 컴퓨터/IT: 88위
이 분야의 베스트셀러
-
이것이 취업을 위한 코딩 테스트다 with 파이썬
나동빈
30,600원
-
지니어스키트로 배우는 마이크로비트
아이씨뱅큐
18,000원
-
Do it! 점프 투 파이썬 [개정판]
박응용
16,920원
이 책과 함께 구매한 책
-
머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로 세바스찬 라시카, 바히드 미자리리 29,700원
책 소개
이 책은
200개 비법 레시피로 실무 머신러닝 문제를 쉽고 빠르게 해결하기
200여 개의 비법 레시피를 제공하는 이 책은 실무에서 접하는 다양한 머신러닝 문제를 해결하도록 도와준다. 판다스나 사이킷런 같은 파이썬 라이브러리로 데이터 적재, 텍스트나 수치형 데이터 다루기, 모델 선택, 차원 축소 등 다양한 문제를 해결할 수 있다.
레시피의 코드를 샘플 데이터셋에 적용하며 실제로 코드가 어떻게 동작하는지 확인해본다. 문제 해결에 대한 설명과 유용한 배경지식도 제공한다. 이 책은 이론과 개념 설명을 넘어서 머신러닝 애플리케이션 제작에 필요한 구체적인 도구를 제시한다. 실무에서 레시피를 그대로 적용하거나 적절히 수정하여 쉽고 빠르게 문제를 해결하기 바란다.
출판사 리뷰
● 벡터, 행렬, 배열
● 수치형과 범주형 데이터, 텍스트, 이미지, 날짜, 시간 다루기
● 특성 추출과 특성 선택을 사용한 차원 축소
● 모델 평가와 선택
● 선형 회귀, 로지스틱 회귀, 트리, 랜덤 포레스트, k-최근접 이웃
● 서포트 벡터 머신(SVM), 나이브 베이즈, 군집, 신경망
● 훈련된 모델의 저장과 복원
추천글
- 저스틴 보조니어_ 그럽허브(Grubhub)의 수석 데이터 과학자, 『테스트 주도 머신 러닝』 저자
저자 소개
저자 : 크리스 알본
선거 모니터링에서부터 재난 구조에 이르기까지 십여 년간 통계학습과 인공지능, 소프트웨
어 공학을 정치, 사회, 인도주의 활동에 적용해온 데이터 과학자이자 정치학자입니다. 현재 크
리스는 프런티어 마켓(frontier market)의 인터넷 사용자를 위해 와이파이 네트워크를 구축하는 케냐의 스타트업인 BRCK의 최고데이터과학자(CDS)입니다.
역자 : 박해선
구글 ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. 텐서플로 블로그(tensorflow.blog)에 글을 쓰고 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다.
『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『파이썬 라이브러리를 활
용한 머신러닝』(한빛미디어, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈
온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼습
니다.
역자 소개
구글 ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. 텐서플로 블로그(tensorflow.blog)에 글을 쓰고 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다.
『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『파이썬 라이브러리를 활
용한 머신러닝』(한빛미디어, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈
온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼습
니다.
목차
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
__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
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
