close
더북(TheBook)
search
프로그래머가 알아야 할 알고리즘 40
더북(TheBook)
home
Home
- 제 1 부 - 기초와 핵심 알고리즘
4장 알고리즘 설계
4.1 알고리즘 설계의 기본 개념 살펴보기
4.1.1 관점 1 - 설계한 알고리즘이 우리가 기대하는 결과를 출력하는가?
4.1.2 관점 2 - 설계한 알고리즘이 결과를 얻을 수 있는 최적의 방법인가?
4.1.3 관점 3 - 설계한 알고리즘이 규모가 더 큰 데이터셋을 다룰 수 있는가?
4.2 알고리즘 설계 전략 이해하기
4.2.1 분할 및 정복 전략 이해하기
4.2.2 동적 계획법 이해하기
4.2.3 탐욕 알고리즘 이해하기
4.3 활용 사례 - 외판원 문제 해결하기
4.3.1 무차별 대입 전략 사용하기
4.3.2 탐욕 알고리즘 사용하기
4.4 페이지랭크 알고리즘 이해하기
4.4.1 문제 정의하기
4.4.2 페이지랭크 알고리즘 구현하기
4.5 선형 계획법 이해하기
4.5.1 선형 계획법 문제 정의하기
4.6 활용 사례 - 선형 계획법을 활용해 용량 계획하기
4.7 요약
5장 그래프 알고리즘
5.1 그래프 표현 이해하기
5.1.1 그래프 유형
5.1.2 특수한 유형의 엣지
5.1.3 에고 중심 네트워크
5.1.4 소셜 네트워크 분석
5.2 네트워크 분석 이론 살펴보기
5.2.1 최단 경로
5.2.2 삼각형
5.2.3 밀도
5.2.4 중심성 지표 이해하기
5.2.5 파이썬으로 중심성 지표 계산하기
5.3 그래프 순회 이해하기
5.3.1 너비 우선 검색
5.3.2 깊이 우선 검색
5.4 활용 사례 - 사기 범죄 분석하기
5.4.1 간단한 사기 분석 방법
5.4.2 감시탑 사기 분석 방법
5.5 요약
- 제 2 부 - 머신러닝 알고리즘
6장 비지도 학습 알고리즘
6.1 비지도 학습 이해하기
6.1.1 데이터 마이닝 사이클에서의 비지도 학습
6.1.2 비지도 학습의 최신 연구 트렌드
6.1.3 비지도 학습의 활용 사례
6.2 클러스터링 알고리즘 이해하기
6.2.1 유사도 측정하기
6.2.2 계층적 클러스터링 알고리즘
6.2.3 클러스터 평가하기
6.2.4 클러스터링의 활용 사례
6.3 차원 축소 알고리즘 이해하기
6.3.1 주성분 분석
6.3.2 주성분 분석의 한계
6.4 연관 규칙 마이닝 이해하기
6.4.1 연관 규칙 마이닝의 활용 사례
6.4.2 장바구니 분석
6.4.3 연관 규칙
6.4.4 평가 척도
6.4.5 연관 규칙 마이닝 알고리즘
6.5 활용 사례 - 비슷한 트윗끼리 클러스터링하기
6.5.1 토픽 모델링
6.5.2 클러스터링
6.6 이상 탐지 알고리즘 이해하기
6.6.1 클러스터링 알고리즘
6.6.2 밀도 기반 이상 탐지 알고리즘
6.6.3 서포트 벡터 머신 알고리즘
6.7 요약
7장 전통적인 지도 학습 알고리즘
7.1 지도 학습 이해하기
7.1.1 지도 학습 구조 소개
7.1.2 지도 학습의 필요 조건
7.1.3 분류 모델과 회귀 모델 비교하기
7.2 분류 알고리즘 이해하기
7.2.1 분류 문제 소개
7.2.2 분류 모델 평가하기
7.2.3 분류 모델 구축 단계
7.2.4 결정 트리 분류 알고리즘
7.2.5 앙상블 알고리즘
7.2.6 로지스틱 회귀 알고리즘
7.2.7 서포트 벡터 머신 알고리즘
7.2.8 나이브 베이즈 알고리즘
7.2.9 분류 알고리즘 비교하기
7.3 회귀 알고리즘 이해하기
7.3.1 회귀 문제 소개
7.3.2 선형 회귀 알고리즘
7.3.3 회귀 트리 알고리즘
7.3.4 그레이디언트 부스팅 회귀 알고리즘
7.3.5 회귀 알고리즘 비교하기
7.4 활용 사례 - 날씨 예측하기
7.5 요약
6.6.3
서포트 벡터 머신 알고리즘
서포트 벡터 머신
(SVM)
알고리즘은 데이터 포인트의 경계를 학습할 수 있습니다. 경계 밖에서 발견되는 데이터 포인트를 이상치로 식별합니다.
Prev
BUY
Next
신간 소식 구독하기
뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.
Email address