목차정보
|
서명 : 데이터 과학을 위한 통계 : 데이터 분석에서 머신러닝까지 파이썬과 R로 살펴보는 50가지 핵심 개념 CHAPTER 1 탐색적 데이터 분석 1.1 정형화된 데이터의 요소 1.2 테이블 데이터 1.3 위치 추정 1.4 변이 추정 1.5 데이터 분포 탐색하기 1.6 이진 데이터와 범주 데이터 탐색하기 1.7 상관관계 1.8 두 개 이상의 변수 탐색하기 1.9 마치며 CHAPTER 2 데이터와 표본분포 2.1 임의표본추출과 표본편향 2.2 선택편향 2.3 통계학에서의 표본분포 2.4 부트스트랩 2.5 신뢰구간 2.6 정규분포 2.7 긴 꼬리 분포 2.8 스튜던트의 t 분포 2.9 이항분포 2.10 카이제곱분포 2.11 F 분포 2.12 푸아송 분포와 그 외 관련 분포들 2.13 마치며 CHAPTER 3 통계적 실험과 유의성검정 3.1 A/B 검정 3.2 가설검정 3.3 재표본추출 3.4 통계적 유의성과 p 값 3.5 t 검정 3.6 다중검정 3.7 자유도 3.8 분산분석 3.9 카이제곱검정 3.10 멀티암드 밴딧 알고리즘 3.11 검정력과 표본크기 3.12 마치며 CHAPTER 4 회귀와 예측 4.1 단순선형회귀 4.2 다중선형회귀 4.3 회귀를 이용한 예측 4.4 회귀에서의 요인변수 4.5 회귀방정식 해석 4.6 회귀진단 4.7 다항회귀와 스플라인 회귀 4.8 마치며 CHAPTER 5 분류 5.1 나이브 베이즈 5.2 판별분석 5.3 로지스틱 회귀 5.4 분류 모델 평가하기 5.5 불균형 데이터 다루기 5.6 마치며 CHAPTER 6 통계적 머신러닝 6.1 k-최근접 이웃 6.2 트리 모델 6.3 배깅과 랜덤 포레스트 6.4 부스팅 6.5 마치며 CHAPTER 7 비지도 학습 7.1 주성분분석 7.2 k-평균 클러스터링 7.3 계층적 클러스터링 7.4 모델 기반 클러스터링 7.5 스케일링과 범주형 변수 7.6 마치며 |
