Ã¥¼Ò°³
»çÀÌŶ·± ÇÙ½É °³¹ßÀÚ¿¡°Ô ¹è¿ì´Â ¸Ó½Å·¯´× À̷аú ±¸Çö Çö¾÷¿¡¼ ¸Ó½Å·¯´×À» ¿¬±¸ÇÏ°í ÀΰøÁö´É ¼ºñ½º¸¦ °³¹ßÇϱâ À§ÇØ ²À ÇÐÀ§¸¦ ¹ÞÀ» ÇÊ¿ä´Â ¾ø½À´Ï´Ù. »çÀÌŶ·±(scikit-learn)°ú °°Àº ÈǸ¢ÇÑ ¸Ó½Å·¯´× ¶óÀ̺귯¸®°¡ º¹ÀâÇÏ°í ³ÇØÇÑ ÀÛ¾÷À» Á÷°üÀûÀÎ ÀÎÅÍÆäÀ̽º·Î °¨½ÎÁÖ´Â ´öºÐÀÌÁÒ. ÀÌ Ã¥¿¡¼´Â »çÀÌŶ·±ÀÇ ÇÙ½É °³¹ßÀÚ°¡ º¹ÀâÇÑ ¼öÇÐÀ» µ¿¿øÇÏÁö ¾Ê°í ½Ç¿ëÀûÀ¸·Î ¸Ó½Å·¯´×À» ±¸ÃàÇÏ´Â ¸ðµç ´Ü°è¸¦ ¼³¸íÇÕ´Ï´Ù. ¹ÌÀûºÐ, ¼±Çü´ë¼ö, È®·ü ÀÌ·ÐÀ» °øºÎÇÏÁö ¾Ê¾Ò¾îµµ ÀÌ Ã¥À» ÅëÇØ ¸Ó½Å·¯´×À» È°¿ëÇÒ ¼ö ÀÖ°Ô µÉ °ÍÀÔ´Ï´Ù.¡Ø º» ¹ø¿ª°³Á¤ÆÇÀº scikit-learn ¾÷µ¥ÀÌÆ®¿¡ µû¶ó Àü¹ÝÀûÀ¸·Î ³»¿ëÀ» °»½ÅÇÑ ¿ø¼ 4¼â¸¦ ±â¹ÝÀ¸·Î ÇÕ´Ï´Ù. ¿ÀÅ»ÀÚ¸¦ ¹Ù·ÎÀâ°í, ½Ã°¢Àû ÆíÀǸ¦ À§ÇØ Ç®Ä÷¯·Î ÀμâÇßÀ¸¸ç, Çѱ¹¾îÆÇ ºÎ·Ï 3°³ ÀýÀ» Ãß°¡Çß½À´Ï´Ù.
ÀúÀÚ¼Ò°³
µ¶ÀÏ º»(Bonn) ´ëÇб³¿¡¼ ¸Ó½Å·¯´×À¸·Î ¹Ú»ç ÇÐÀ§¸¦ ¹Þ¾Ò´Ù. 1³â°£ ¾Æ¸¶Á¸ÀÇ ÄÄÇ»ÅÍ ºñÀü ÀÀ¿ë ºÎ¼¿¡¼ ¸Ó½Å·¯´× ¿¬±¸ÀÚ·Î ÀÏÇÑ µÚ ´º¿å ´ëÇб³ÀÇ µ¥ÀÌÅÍ °úÇÐ ¼¾ÅÍ¿¡ ÇÕ·ùÇß°í, ÇöÀç´Â Ä÷³ºñ¾Æ ´ëÇб³¿¡¼ ¡®Applied Machine Learning¡¯ °ú¸ñÀ» °¡¸£Ä¡°í ÀÖ´Ù. Áö³ 4³â µ¿¾È Çаè¿Í »ê¾÷°è¿¡¼ ³Î¸® »ç¿ëÇÏ´Â ¸Ó½Å·¯´× ÅøŶÀÎ »çÀÌŶ·±ÀÇ ÇÙ½É ±â¿©ÀÚ¿Í °ü¸®ÀÚ·Î È°µ¿Çß´Ù. ¶Ç Àß ¾Ë·ÁÁø ¿©·¯ ¸Ó½Å·¯´× ÆÐÅ°Áö¸¦ Á÷Á¢ ¸¸µé°Å³ª °³¹ß¿¡ Âü¿©Çß´Ù. ¹Á·¯ÀÇ ¼Ò¸ÁÀº ¸Ó½Å·¯´× ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ßÀÇ ÁøÀÔ À庮À» ³·Ãß°í, ¼öÁØ ³ôÀº ¸Ó½Å·¯´× ¾Ë°í¸®ÁòÀ» ¼Õ½±°Ô »ç¿ëÇÒ ¼ö ÀÖ´Â °ø°³ ÅøÀ» ¸¸µå´Â °ÍÀÌ´Ù.
¸ñÂ÷
CHAPTER 1 ¼Ò°³1.1 ¿Ö ¸Ó½Å·¯´×Àΰ¡?__1.1.1 ¸Ó½Å·¯´×À¸·Î Ç® ¼ö ÀÖ´Â ¹®Á¦__1.1.2 ¹®Á¦¿Í µ¥ÀÌÅÍ ÀÌÇØÇϱâ1.2 ¿Ö ÆÄÀ̽ãÀΰ¡?1.3 scikit-learn__1.3.1 scikit-learn ¼³Ä¡1.4 Çʼö ¶óÀ̺귯¸®¿Í µµ±¸µé__1.4.1 ÁÖÇÇÅÍ ³ëÆ®ºÏ__1.4.2 NumPy__1.4.3 SciPy__1.4.4 matplotlib__1.4.5 pandas__1.4.6 mglearn1.5 ÆÄÀ̽ã 2 vs. ÆÄÀ̽ã 31.6 ÀÌ Ã¥¿¡¼ »ç¿ëÇÏ´Â ¼ÒÇÁÆ®¿þ¾î ¹öÀü1.7 ù ¹ø° ¾ÖÇø®ÄÉÀ̼Ç: º×²ÉÀÇ Ç°Á¾ ºÐ·ù__1.7.1 µ¥ÀÌÅÍ ÀûÀç__1.7.2 ¼º°ú ÃøÁ¤: ÈÆ·Ã µ¥ÀÌÅÍ¿Í Å×½ºÆ® µ¥ÀÌÅÍ__1.7.3 °¡Àå ¸ÕÀú ÇÒ ÀÏ: µ¥ÀÌÅÍ »ìÆ캸±â__1.7.4 ù ¹ø° ¸Ó½Å·¯´× ¸ðµ¨: k-ÃÖ±ÙÁ¢ ÀÌ¿ô ¾Ë°í¸®Áò__1.7.5 ¿¹ÃøÇϱâ__1.7.6 ¸ðµ¨ Æò°¡Çϱâ1.8 ¿ä¾à ¹× Á¤¸®
CHAPTER 2 Áöµµ ÇнÀ2.1 ºÐ·ù¿Í ȸ±Í2.2 ÀϹÝÈ, °ú´ëÀûÇÕ, °ú¼ÒÀûÇÕ__2.2.1 ¸ðµ¨ º¹Àâµµ¿Í µ¥ÀÌÅͼ ũ±âÀÇ °ü°è2.3 Áöµµ ÇнÀ ¾Ë°í¸®Áò__2.3.1 ¿¹Á¦¿¡ »ç¿ëÇÒ µ¥ÀÌÅͼÂ__2.3.2 k-ÃÖ±ÙÁ¢ ÀÌ¿ô__2.3.3 ¼±Çü ¸ðµ¨__2.3.4 ³ªÀÌºê º£ÀÌÁî ºÐ·ù±â __2.3.5 °áÁ¤ Æ®¸®__2.3.6 °áÁ¤ Æ®¸®ÀÇ ¾Ó»óºí__2.3.7 (Çѱ¹¾îÆÇ ºÎ·Ï) ¹è±ë, ¿¢½ºÆ®¶ó Æ®¸®, ¿¡À̴ٺνºÆ®__2.3.8 Ä¿³Î ¼Æ÷Æ® º¤ÅÍ ¸Ó½Å__2.3.9 ½Å°æ¸Á(µö·¯´×)2.4 ºÐ·ù ¿¹ÃøÀÇ ºÒÈ®½Ç¼º ÃßÁ¤__2.4.1 °áÁ¤ ÇÔ¼ö__2.4.2 ¿¹Ãø È®·ü__2.4.3 ´ÙÁß ºÐ·ù¿¡¼ÀÇ ºÒÈ®½Ç¼º2.5 ¿ä¾à ¹× Á¤¸®
CHAPTER 3 ºñÁöµµ ÇнÀ°ú µ¥ÀÌÅÍ Àüó¸®3.1 ºñÁöµµ ÇнÀÀÇ Á¾·ù3.2 ºñÁöµµ ÇнÀÀÇ µµÀü °úÁ¦3.3 µ¥ÀÌÅÍ Àüó¸®¿Í ½ºÄÉÀÏ Á¶Á¤__3.3.1 ¿©·¯ °¡Áö Àüó¸® ¹æ¹ý__3.3.2 µ¥ÀÌÅÍ º¯È¯ Àû¿ëÇϱâ__3.3.3 (Çѱ¹¾îÆÇ ºÎ·Ï) QuantileTransformer¿Í PowerTransformer__3.3.4 ÈÆ·Ã µ¥ÀÌÅÍ¿Í Å×½ºÆ® µ¥ÀÌÅÍÀÇ ½ºÄÉÀÏÀ» °°Àº ¹æ¹ýÀ¸·Î Á¶Á¤Çϱâ__3.3.5 Áöµµ ÇнÀ¿¡¼ µ¥ÀÌÅÍ Àüó¸® È¿°ú 3.4 Â÷¿ø Ãà¼Ò, Ư¼º ÃßÃâ, ¸Å´ÏÆúµå ÇнÀ__3.4.1 ÁÖ¼ººÐ ºÐ¼®(PCA)__3.4.2 ºñÀ½¼ö Çà·Ä ºÐÇØ(NMF)__3.4.3 t-SNE¸¦ ÀÌ¿ëÇÑ ¸Å´ÏÆúµå ÇнÀ3.5 ±ºÁý__3.5.1 k-Æò±Õ ±ºÁý__3.5.2 º´ÇÕ ±ºÁý__3.5.3 DBSCAN__3.5.4 ±ºÁý ¾Ë°í¸®ÁòÀÇ ºñ±³¿Í Æò°¡__3.5.5 ±ºÁý ¾Ë°í¸®Áò ¿ä¾à3.6 ¿ä¾à ¹× Á¤¸®
CHAPTER 4 µ¥ÀÌÅÍ Ç¥Çö°ú Ư¼º °øÇÐ4.1 ¹üÁÖÇü º¯¼ö__4.1.1 ¿ø-ÇÖ-ÀÎÄÚµù(°¡º¯¼ö)__4.1.2 ¼ýÀڷΠǥÇöµÈ ¹üÁÖÇü Ư¼º4.2 OneHotEncoder¿Í ColumnTransformer: scikit-learnÀ¸·Î ¹üÁÖÇü º¯¼ö ´Ù·ç±â4.3 make_column_transformer·Î °£ÆíÇÏ°Ô ColumnTransformer ¸¸µé±â4.4 ±¸°£ ºÐÇÒ, ÀÌ»êÈ ±×¸®°í ¼±Çü ¸ðµ¨, Æ®¸® ¸ðµ¨4.5 »óÈ£ÀÛ¿ë°ú ´ÙÇ×½Ä4.6 ÀϺ¯·® ºñ¼±Çü º¯È¯4.7 Ư¼º ÀÚµ¿ ¼±ÅÃ__4.7.1 ÀϺ¯·® Åë°è__4.7.2 ¸ðµ¨ ±â¹Ý Ư¼º ¼±ÅÃ__4.7.3 ¹Ýº¹Àû Ư¼º ¼±ÅÃ4.8 Àü¹®°¡ Áö½Ä È°¿ë4.9 ¿ä¾à ¹× Á¤¸®
CHAPTER 5 ¸ðµ¨ Æò°¡¿Í ¼º´É Çâ»ó5.1 ±³Â÷ °ËÁõ__5.1.1 scikit-learnÀÇ ±³Â÷ °ËÁõ__5.1.2 ±³Â÷ °ËÁõÀÇ ÀåÁ¡__5.1.3 °èÃþº° k-°ã ±³Â÷ °ËÁõ°ú ±×¿Ü Àü·«µé__5.1.4 (Çѱ¹¾îÆÇ ºÎ·Ï) ¹Ýº¹ ±³Â÷ °ËÁõ5.2 ±×¸®µå ¼Ä¡__5.2.1 °£´ÜÇÑ ±×¸®µå ¼Ä¡__5.2.2 ¸Å°³º¯¼ö °ú´ëÀûÇÕ°ú °ËÁõ ¼¼Æ®__5.2.3 ±³Â÷ °ËÁõÀ» »ç¿ëÇÑ ±×¸®µå ¼Ä¡5.3 Æò°¡ ÁöÇ¥¿Í ÃøÁ¤__5.3.1 ÃÖÁ¾ ¸ñÇ¥¸¦ ±â¾ïÇ϶ó__5.3.2 ÀÌÁø ºÐ·ùÀÇ Æò°¡ ÁöÇ¥__5.3.3 ´ÙÁß ºÐ·ùÀÇ Æò°¡ ÁöÇ¥__5.3.4 ȸ±ÍÀÇ Æò°¡ ÁöÇ¥__5.3.5 ¸ðµ¨ ¼±Åÿ¡¼ Æò°¡ ÁöÇ¥ »ç¿ëÇϱâ5.4 ¿ä¾à ¹× Á¤¸®
CHAPTER 6 ¾Ë°í¸®Áò üÀΰú ÆÄÀÌÇÁ¶óÀÎ6.1 µ¥ÀÌÅÍ Àüó¸®¿Í ¸Å°³º¯¼ö ¼±ÅÃ6.2 ÆÄÀÌÇÁ¶óÀÎ ±¸ÃàÇϱâ6.3 ±×¸®µå ¼Ä¡¿¡ ÆÄÀÌÇÁ¶óÀÎ Àû¿ëÇϱâ6.4 ÆÄÀÌÇÁ¶óÀÎ ÀÎÅÍÆäÀ̽º __6.4.1 make_piplelineÀ» »ç¿ëÇÑ ÆÄÀÌÇÁ¶óÀÎ »ý¼º__6.4.2 ´Ü°è ¼Ó¼º¿¡ Á¢±ÙÇϱâ__6.4.3 ±×¸®µå ¼Ä¡ ¾ÈÀÇ ÆÄÀÌÇÁ¶óÀÎ ¼Ó¼º¿¡ Á¢±ÙÇϱâ6.5 Àüó¸®¿Í ¸ðµ¨ÀÇ ¸Å°³º¯¼ö¸¦ À§ÇÑ ±×¸®µå ¼Ä¡6.6 ¸ðµ¨ ¼±ÅÃÀ» À§ÇÑ ±×¸®µå ¼Ä¡__6.6.1 Áߺ¹ °è»ê ÇÇÇϱâ6.7 ¿ä¾à ¹× Á¤¸®
CHAPTER 7 ÅؽºÆ® µ¥ÀÌÅÍ ´Ù·ç±â7.1 ¹®ÀÚ¿ µ¥ÀÌÅÍ Å¸ÀÔ7.2 ¿¹Á¦ ¾ÖÇø®ÄÉÀ̼Ç: ¿µÈ ¸®ºä °¨¼º ºÐ¼®7.3 ÅؽºÆ® µ¥ÀÌÅ͸¦ BOW·Î Ç¥ÇöÇϱâ__7.3.1 »ùÇà µ¥ÀÌÅÍ¿¡ BOW Àû¿ëÇϱâ__7.3.2 ¿µÈ ¸®ºä¿¡ ´ëÇÑ BOW7.4 ºÒ¿ë¾î7.5 tf-idf·Î µ¥ÀÌÅÍ ½ºÄÉÀÏ º¯°æÇϱâ7.6 ¸ðµ¨ °è¼ö Á¶»ç7.7 ¿©·¯ ´Ü¾î·Î ¸¸µç BOW(n-±×·¥)7.8 °í±Þ ÅäÅ«È, ¾î°£ ÃßÃâ, Ç¥Á¦¾î ÃßÃâ__7.8.1 (Çѱ¹¾îÆÇ ºÎ·Ï) KoNLPy¸¦ »ç¿ëÇÑ ¿µÈ ¸®ºä ºÐ¼®7.9 ÅäÇÈ ¸ðµ¨¸µ°ú ¹®¼ ±ºÁýÈ__7.9.1 LDA7.10 ¿ä¾à ¹× Á¤¸®
CHAPTER 8 ¸¶¹«¸®8.1 ¸Ó½Å·¯´× ¹®Á¦ Á¢±Ù ¹æ¹ý__8.1.1 ÀÇ»ç °áÁ¤ Âü¿©8.2 ÇÁ·ÎÅäŸÀÔ¿¡¼ Á¦Ç°±îÁö8.3 Á¦Ç° ½Ã½ºÅÛ Å×½ºÆ®8.4 ³ª¸¸ÀÇ ÃßÁ¤±â ¸¸µé±â8.5 ´õ ¹è¿ï °Íµé__8.5.1 ÀÌ·Ð__8.5.2 ´Ù¸¥ ¸Ó½Å·¯´× ÇÁ·¹ÀÓ¿öÅ©¿Í ÆÐÅ°Áö__8.5.3 ·©Å·, Ãßõ ½Ã½ºÅÛ°ú ±× ¿Ü ´Ù¸¥ ¾Ë°í¸®Áò__8.5.4 È®·ü ¸ðµ¨¸µ, Ãß·Ð, È®·üÀû ÇÁ·Î±×·¡¹Ö__8.5.5 ½Å°æ¸Á__8.5.6 ´ë±Ô¸ð µ¥ÀÌÅͼÂÀ¸·Î È®Àå__8.5.7 ½Ç·Â ±â¸£±â8.6 ¸¶Ä¡¸ç
ÇÑÁÙ ¼Æò