SAS Viya 기반의 실무에 바로 적용하는 머신러닝

목차 (Table of Contents)

• 목차
• 1장 머신러닝 개요 = 1
• 1.1 머신러닝 정의 = 2
• 1.2 머신러닝 프로세스 = 2
• 1.3 머신러닝의 응용 분야 = 4
• 1.4 머신러닝 알고리즘 = 8
• 1.5 머신러닝 알고리즘의 범위 = 9
• 1.6 머신러닝 알고리즘의 구현 = 9
• 2장 SAS® Viya® = 13
• 2.1 개요 = 14
• 2.2 SAS Drive = 16
• 2.3 SAS VDMML = 17
• 2.4 모형 스튜디오 = 18
• 3장 사용 데이터 레이아웃 = 19
• 3.1 [CLAIM] 데이터 = 20
• 3.2 [BANK] 데이터 = 21
• 3.3 [USERMOVIE] 데이터 = 22
• 3.4 [DIGITS] 데이터 = 22
• 3.5 [HOUSING] 데이터 = 22
• 4장 모형 스튜디오와 데이터 탐색기 = 25
• 4.1 개요 = 26
• 4.2 프로젝트 생성 = 26
• 4.3 데이터 탐색기를 이용한 데이터 탐색 = 31
• 4.4 프로젝트 생성 옵션 = 35
• 4.5 메타데이터 정의 = 38
• 4.6 파이프라인 = 43
• 5장 데이터 준비 = 49
• 5.1 개요 = 50
• 5.2 데이터 품질 = 51
• 5.3 파생 변수 생성 = 53
• 5.4 연속변수의 변수 변환 = 55
• 5.5 범주변수의 변수 변환 = 61
• 5.6 결측값의 처리 = 62
• 5.7 특징 추출 = 67
• 6장 이상값 탐지 = 71
• 6.1 개요 = 72
• 6.2 지지벡터 데이터 기술 = 72
• 6.3 SAS VDMML 옵션 = 76
• 6.4 SAS VDMML 예제 = 77
• 7장 특징 선택 = 81
• 7.1 개요 = 82
• 7.2 모형 평가와 선택 = 83
• 7.3 포장 방법에 의한 변수 선택 = 90
• 7.4 내장 방법에 의한 변수 선택 = 100
• 7.5 여과 방법에 의한 변수 선택 = 105
• 7.6 정밀도행렬에 의한 변수 선택 = 111
• 8장 표기법 = 119
• 9장 선형회귀와 머신러닝 알고리즘 구조 = 123
• 9.1 개요 = 124
• 9.2 가설함수와 비용함수 = 124
• 9.3 알고리즘 = 126
• 9.4 비용함수에 대한 이해 = 129
• 10장 분류 문제와 로지스틱 회귀분석 = 131
• 10.1 개요 = 132
• 10.2 선형회귀 대 로지스틱 회귀 = 132
• 10.3 비용함수에 대한 이해 = 136
• 10.4 로그-오즈 = 137
• 10.5 연결함수 = 137
• 10.6 분류 문제에서의 모형 평가 = 138
• 10.7 소프트맥스 회귀 = 142
• 10.8 SAS VDMML 옵션 = 143
• 10.9 SAS VDMML 예제 = 144
• 11장 분류와 회귀나무 = 147
• 11.1 개요 = 148
• 11.2 회귀나무의 성장 = 149
• 11.3 최적 회귀나무의 선택 = 151
• 11.4 분류 나무 = 153
• 11.5 나무의 몇 가지 이슈 = 155
• 11.6 SAS VDMML 옵션 = 156
• 11.7 SAS VDMML 예제 = 161
• 12장 랜덤 포레스트 = 163
• 12.1 개요 = 164
• 12.2 배깅 = 164
• 12.3 가방밖 오차 = 164
• 12.4 변수 중요도 = 165
• 12.5 랜덤 포레스트 알고리즘 = 166
• 12.6 랜덤 포레스트 변수 중요도 = 167
• 12.7 SAS VDMML 옵션 = 167
• 12.8 SAS VDMML 예제 = 169
• 13장 해석 가능 머신러닝 = 171
• 13.1 부분종속그림 = 173
• 13.2 개별조건부기댓값 = 174
• 13.3 지역 대리 모형 = 175
• 14장 그래디언트 부스팅 = 179
• 14.1 개요 = 180
• 14.2 부스팅 = 180
• 14.3 AdaBoost.M1 = 181
• 14.4 부스팅과 가법모형 = 184
• 14.5 전진 순차방식 가법모형 = 185
• 14.6 지수손실함수와 적응 부스팅 = 186
• 14.7 부스팅의 확장 = 187
• 14.8 부스팅의 초모수 조정 = 188
• 14.9 부스팅의 정칙화 = 189
• 14.10 SAS VDMML 옵션 = 189
• 14.11 SAS VDMML 예제 = 191
• 15장 지지벡터 머신 = 193
• 15.1 개요 = 194
• 15.2 로지스틱 회귀와 초평면 = 194
• 15.3 표기법 = 195
• 15.4 마진과 최적 마진 분류기 = 196
• 15.5 라그랑지 쌍대성 = 199
• 15.6 라그랑지 쌍대성을 이용한 최대 마진 분류기 = 201
• 15.7 소프트 마진 초평면 = 204
• 15.8 커널 속임수 = 207
• 15.9 비용함수에 대한 이해 = 210
• 15.10 지지벡터 머신의 모수추정 = 211
• 15.11 SAS VDMML 옵션 = 211
• 15.12 SAS VDMML 예제 = 213
• 16장 다층 신경망 = 215
• 16.1 개요 = 216
• 16.2 표기법 = 217
• 16.3 전진 패스 = 218
• 16.4 활성함수 = 219
• 16.5 전진 패스의 예시 = 220
• 16.6 후진 패스 = 221
• 16.7 후진 패스의 예시 = 223
• 16.8 초깃값 주기 = 224
• 16.9 기울기 소멸 문제 = 226
• 16.10 입력변수의 표준화 = 227
• 16.11 과적합 문제 = 227
• 16.12 SAS VDMML 옵션 = 229
• 16.13 SAS VDMML 예제 = 232
• 17장 특잇값 분해 = 233
• 17.1 개요 = 234
• 17.2 분해행렬의 계산 = 234
• 17.3 특잇값 분해 계산 = 235
• 17.4 특잇값 분해 예제 : 추천 시스템 = 236
• 17.5 SAS VDMML 옵션 = 242
• 17.6 SAS VDMML 예제 = 243
• 18장 주성분 분석 = 247
• 18.1 개요 = 248
• 18.2 주성분의 계산 = 248
• 18.3 주성분을 이용한 차원 축소 = 251
• 18.4 주성분의 기하학적 의미 = 251
• 18.5 SAS VDMML 옵션 = 252
• 18.6 SAS VDMML 예제 = 254
• 18.7 SAS VDMML 실습 = 256
• 19장 군집분석 = 257
• 19.1 개요 = 258
• 19.2 t-SNE = 259
• 19.3 K-평균 군집화 = 265
• 참고 문헌 = 277
• 찾아보기 = 283