Page 6 -

7장 다양한 모델을 결합한 앙상블 학습 287

7.1 앙상블 학습 288

7.2 다수결 투표를 사용한 분류 앙상블 292
7.2.1 간단한 다수결 투표 분류기 구현 292
7.2.2 다수결 투표 방식을 사용하여 예측 만들기 299
7.2.3 앙상블 분류기의 평가와 튜닝 303
7.3 배깅: 부트스트랩 샘플링을 통한 분류 앙상블 310
7.3.1 배깅 알고리즘의 작동 방식 311
7.3.2 배깅으로 Wine 데이터셋의 샘플 분류 312
7.4 약한 학습기를 이용한 에이다부스트 317
7.4.1 부스팅 작동 원리 318
7.4.2 사이킷런에서 에이다부스트 사용 323
7.5 요약 330

8장 감성 분석에 머신 러닝 적용 331

8.1 텍스트 처리용 IMDb 영화 리뷰 데이터 준비 332
8.1.1 영화 리뷰 데이터셋 구하기 333
8.1.2 영화 리뷰 데이터셋을 더 간편한 형태로 전처리 333
8.2 BoW 모델 소개 336
8.2.1 단어를 특성 벡터로 변환 336
8.2.2 tf-idf를 사용하여 단어 적합성 평가 338
8.2.3 텍스트 데이터 정제 341
8.2.4 문서를 토큰으로 나누기 343

8.3 문서 분류를 위한 로지스틱 회귀 모델 훈련 345
8.4 대용량 데이터 처리: 온라인 알고리즘과 외부 메모리 학습 353
8.5 잠재 디리클레 할당을 사용한 토픽 모델링 357
8.5.1 LdA를 사용한 텍스트 문서 분해 358
8.5.2 사이킷런의 LdA 358
8.6 요약 362

machinelearning_06.indd 22 2021-03-17 오후 12:35:57