Page 3 -

Machine Learning

2.3.3 특성 스케일을 조정하여 경사 하강법 결과 향상 076
2.3.4 대규모 머신 러닝과 확률적 경사 하강법 078
2.4 요약 083

3장 사이킷런을 타고 떠나는 머신 러닝 분류 모델 투어 085

3.1 분류 알고리즘 선택 086
3.2 사이킷런 첫걸음: 퍼셉트론 훈련 087

3.3 로지스틱 회귀를 사용한 클래스 확률 모델링 093
3.3.1 로지스틱 회귀의 이해와 조건부 확률 094
3.3.2 다중 클래스를 위한 로지스틱 회귀 094
3.3.3 로지스틱 비용 함수의 가중치 학습 097
3.3.4 아달린 구현을 로지스틱 회귀 알고리즘으로 변경 100
3.3.5 사이킷런을 사용하여 로지스틱 회귀 모델 훈련 104
3.3.6 규제를 사용하여 과대적합 피하기 106
3.4 서포트 벡터 머신을 사용한 최대 마진 분류 110
3.4.1 최대 마진 110
3.4.2 슬랙 변수를 사용하여 비선형 분류 문제 다루기 112
3.4.3 사이킷런의 다른 구현 114
3.5 커널 SVM을 사용하여 비선형 문제 풀기 115
3.5.1 선형적으로 구분되지 않는 데이터를 위한 커널 방법 115
3.5.2 커널 기법을 사용하여 고차원 공간에서 분할 초평면 찾기 117
3.6 결정 트리 학습 121
3.6.1 정보 이득 최대화: 자원을 최대로 활용 122
3.6.2 결정 트리 만들기 127
3.6.3 랜덤 포레스트로 여러 개의 결정 트리 연결 133
3.7 k-최근접 이웃: 게으른 학습 알고리즘 136
3.8 요약 140

machinelearning_06.indd 19 2021-03-17 오후 12:35:56