Page 4 - 006964

MACHINE LEARNING FOR DATA ANALYSIS

4.3.1 나이브 베이즈의 개요 108
4.3.2 나이브 베이즈의 이론 109
4.3.3 나이브 베이즈의 구체적인 예 111
4.3.4 나이브 베이즈의 구현 방법 119
4.3.5 나이브 베이즈의 마무리 121
4.4 단층 퍼셉트론 123
4.4.1 단층 퍼셉트론이란? 123
4.4.2 퍼셉트론의 학습 과정 125
4.4.3 퍼셉트론의 구현 방법 126
4.4.4 퍼셉트론의 문제점 128
4.4.5 퍼셉트론의 마무리 128
4.5 온라인 학습 129
4.5.1 온라인 학습이란? 129
4.5.2 퍼셉트론의 온라인 학습 프로그램 130
4.5.3 PA 알고리즘 131
4.5.4 온라인 학습의 마무리 135
4.6 서포트 벡터 머신 135
4.6.1 서포트 벡터 머신이란? 136
4.6.2 서포트 벡터 머신의 이론 136

4.7 선형 회귀 146
4.7.1 회귀 알고리즘이란? 146
4.8 자기 회귀 149
4.8.1 과거 데이터로 목적 함수를 추정하는 방법 149
4.9 클러스터링 151
4.9.1 클러스터링이란? 152
4.10 맵리듀스와 머신 러닝 158
4.10.1 대규모 데이터에 머신 러닝 알고리즘 적용 158
4.11 머신 러닝 실습 160
4.11.1 파이썬 환경 설치 160
4.11.2 IRIS 데이터를 사용한 머신 러닝 예제 163
4.11.3 digits 데이터를 사용한 머신 러닝 예제 183
4.11.4 Boston 데이터를 사용한 머신 러닝 예제 190
4.12 마무리 197

MACHINE_05.indd 13 2018-10-25 오전 10:31:25