머신 러닝 교과서 2판
- 누락된 데이터 다루기
- 테이블 형태 데이터에서 누락된 값 식별
- 누락된 값이 있는 샘플이나 특성 제외
- 누락된 값 대체
- 사이킷런 추정기 API 익히기
- 범주형 데이터 다루기
- 판다스를 사용한 범주형 데이터 인코딩
- 순서가 있는 특성 매핑
- 클래스 레이블 인코딩
- 순서가 없는 특성에 원-핫 인코딩 적용
- 데이터셋을 훈련 데이터셋과 테스트 데이터셋으로 나누기
- 특성 스케일 맞추기
- 유용한 특성 선택
- 모델 복잡도 제한을 위한 L1 규제와 L2 규제
- L2 규제의 기하학적 해석
- L1 규제를 사용한 희소성
- 순차 특성 선택 알고리즘
- 랜덤 포레스트의 특성 중요도 사용
- 요약
이 책의 코드를 사용하는 가장 좋은 방법은 주피터 노트북(.ipynb
파일)입니다. 주피터 노트북을 사용하면 단계적으로 코드를 실행하고 하나의 문서에 편리하게 (그림과 이미지를 포함해) 모든 출력을 저장할 수 있습니다.
주피터 노트북은 매우 간단하게 설치할 수 있습니다. 아나콘다 파이썬 배포판을 사용한다면 터미널에서 다음 명령을 실행하여 주피터 노트북을 설치할 수 있습니다:
conda install jupyter notebook
다음 명령으로 주피터 노트북을 실행합니다.
jupyter notebook
브라우저에서 윈도우가 열리면 원하는 .ipynb
가 들어 있는 디렉토리로 이동할 수 있습니다.
설치와 설정에 관한 더 자세한 내용은 1장의 README.md 파일에 있습니다.
(주피터 노트북을 설치하지 않았더라도 깃허브에서 ch04.ipynb
을 클릭해 노트북 파일을 볼 수 있습니다.).
코드 예제 외에도 주피터 노트북에는 책의 내용에 맞는 섹션 제목을 함께 실었습니다. 또한 주피터 노트북에 원본 이미지와 그림을 포함시켰기 때문에 책을 읽으면서 코드를 쉽게 따라할 수 있으면 좋겠습니다.