close
더북(TheBook)
search
머신 러닝 워크북
더북(TheBook)
home
Home
4장. 베이지안 네트워크
4.1 조종사부터 클리피까지
4.2 약간의 그래프 이론
4.3 약간의 확률 이론
동전 던지기
조건부 확률
복권 당첨
4.4 베이즈 이론
4.5 베이지안 네트워크는 어떻게 작동하는가?
확률 부여하기
결과 계산하기
4.6 노드의 개수
4.7 전문가의 도움
4.8 베이지안 네트워크 안내
베이지안 네트워크를 위한 자바 API
네트워크 계획하기
노드 정하기
네트워크 코딩하기
4.9 요약
5장. 인공 신경망
5.1 신경망이란 무엇인가?
5.2 인공 신경망 활용
고빈도 매매
신용 대출
데이터 센터 관리
로봇 공학
의료 모니터링
5.3 인공 신경망 뜯어보기
퍼셉트론
활성화 함수
다층 퍼셉트론
역전파
5.4 인공 신경망을 위한 데이터 준비
5.5 웨카를 사용한 인공 신경망
데이터 세트 만들기
웨카로 데이터 읽어 들이기
다층 퍼셉트론 조정하기
네트워크 훈련시키기
네트워크 변경하기
테스트 데이터 크기 늘리기
5.6 자바에서 신경망 구현하기
프로젝트 만들기
코드
CSV를 Arff로 변환하기
신경망 실행하기
5.7 요약
6장. 연관 규칙 학습
6.1 연관 규칙 학습은 어느 분야에서 사용되는가?
웹 사용 로그 마이닝
맥주와 기저귀
6.2 연관 규칙 학습은 어떻게 이루어지는가?
지지도
신뢰도
향상도
확신도
프로세스 정의하기
6.3 알고리즘
Apriori
FP-Growth
6.4 장바구니 마이닝
원시 데이터 다운로드
이클립스에서 프로젝트 설정하기
아이템 데이터 파일 설정하기
데이터 설정하기
머하웃 실행시키기
결과 검사하기
모두 합치기
추후 개발
6.5 요약
7장. 서포트 벡터 머신
7.1 SVM이란 무엇인가?
7.2 SVM은 어디에 사용되는가?
7.3 기본 분류 원칙
이진 분류와 다중 클래스 분류
선형 분류기
신뢰성
함숫값 최대화와 최소화
7.4 SVM으로 분류하는 방법
선형 분류 사용하기
비선형 분류 사용하기
7.5 웨카에서 SVM 사용하기
LibSVM 설치하기
분류 실습
자바와 함께 LibSVM 사용하기
7.6 요약
8장. 클러스터링
8.1 클러스터링이란 무엇인가?
8.2 클러스터링은 어디에 사용되는가?
인터넷
비즈니스와 소매업
법 집행
컴퓨터 작업
8.3 클러스터링 모델
k-means는 어떻게 작동하는가?
클러스터 개수 계산하기
8.4 웨카를 사용한 k-means 클러스터링
데이터 준비하기
워크벤치를 이용한 방법
명령줄을 사용한 방법
코드를 사용한 방법
8.5 요약
확신도
확신도(conviction)
는 X가 Y 없이 발생할 것으로 예상되는 기대 빈도의 비율로 정의된다.
Prev
BUY
Next
신간 소식 구독하기
뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.
Email address