추가 적립 안내

『R 데이터마이닝』은 각 분석법들의 목적과 아이디어를 간명하게 제시하고, 각 분석법들 간의 차이와 장단점을 이해함으로써 분석자 스스로가 보다 나은 분석법을 찾아갈 수 있도록 하는 데 주안점을 둔 점이다. 작은 분량 속에 매우 다양한 분석법을 소개하여 완성도를 높이고자 하였다. 각 분석마다 일정 수준까지의 분석 과정을 제시함으로써 해당 분석의 시발점으로 삼을 수 있도록 안내하고 있다.

데이터 과학을 위한 R 시리즈 I, II권이 출간된 지 1년 만에 III, IV, V권을 동시에 출간하게 되었다. 저자가 이 시리즈를 준비하게 된 계기는 수년 전 빅데이터에 관심을 가지기 시작하면서이다. 빅데이터 시대에 통계분석을 요구하는 많은 사람들을 만나면서 그들에게 조금이나마 도움을 주고 싶은 생각에서였다. 그러나 책의 출간을 앞두고 뒤돌아보면 “이 책이 과연 비전공자들을 충분히 배려하였나”는 의문이 남는다. 처음 의도와는 달리 결코 쉽지만은 않은 책이 되어 버린 것이다. 집필 과정에서 글재주가 없는 저자의 한계를 느끼면서도, 내용적으로 부족함이 없도록 욕심을 부린 면이 없지 않다. 결국 지난 몇 년에 걸친 이 작업은 결국 자신에게 가장 많은 도움이 되었음을 부인할 수 없게 되어 버렸다(독자들의 판단은 이후에...).
이 책의 특징은 각 분석법들의 목적과 아이디어를 간명하게 제시하고, 각 분석법들 간의 차이와 장단점을 이해함으로써 분석자 스스로가 보다 나은 분석법을 찾아갈 수 있도록 하는 데 주안점을 둔 점이다. 작은 분량 속에 매우 다양한 분석법을 소개하여 완성도를 높이고자 하였다. 각 분석마다 일정 수준까지의 분석 과정을 제시함으로써 해당 분석의 시발점으로 삼을 수 있도록 안내하고 있다.
이 책의 자료분석에 사용된 오픈 소스 R은 데이터 과학을 위한 최고의 도구임에 틀림없다. R이라는 훌륭한 도구의 존재는 이 시리즈를 준비하게 된 또 다른 배경이다. 이제 분석가들은 분석의 목적과 방향 그리고 분석에 사용된 아이디어와 해석에 더 집중할 수 있게 되었다. 나머지는 R에게 맡기면 그만이다. R은 분석뿐만 아니라 데이터의 전처리, 시각화, 다른 도구들과의 연계 등 필요한 많은 일을 대신해 준다.
이 가운데 본서(5권)는 최근 빅데이터 분야에서 핵심적인 내용으로 다루어지는 데이터마이닝과 기계학습 알고리즘을 다루었다. 대학에서 교재로 사용할 경우 학부에서는 1부와 2부를 중심으로 다루면 될 것이다(일부 장은 다변량분석과 중복됨). * 표시된 장(또는 절)은 일독에서 생략하여도 무방하다.
좋은 책을 위해 최선을 다했지만 미흡한 부분이 있을 수 있다. 이 점은 양해를 바라며, 출간 후에라도 수정사항이 있을 경우에는 자유아카데미 홈페이지(www.freeaca.com) 자료실에 제공할 예정이다.

[1부] 데이터마이닝 기초
1장 들어가며
1.1 데이터마이닝이란?
1.2 데이터마이닝의 주요 알고리즘 소개
1.3 지도학습과 비지도학습
1.4 이 책의 범위

2장 데이터 전처리와 모형평가
2.1 서론
2.2 데이터 전처리
2.3 모형평가

[2부] 지도학습

3장 로지스틱 회귀
3.1 서론
3.2 로지스틱 회귀

4장 의사결정나무
4.1 서론
4.2 의사결정나무

5장 단순 베이즈 분류
5.1 서론
5.2 단순 베이즈 분류

[2부] 다변량 자료분석 Ⅱ
6장* {caret } 패키지 소개
6.1 서론
6.2 사용 절차: PLS 회귀 예제
6.3 {caret }의 적용 범위(모형)
6.4 {caret }을 이용한 변수선택

7장 k-인접이웃분류
7.1 서론
7.2 k-인접이웃분류
7.3* {caret}을 이용한 k-NN 분석

8장 신경망모형
8.1 서론
8.2 신경망모형

9장 서포트벡터머신
9.1 서론
9.2 기초 개념
9.3 SVM 알고리즘

10장 앙상블 모형
10.1 서론
10.2 배깅
10.3 다른 분석과의 비교
10.4 랜덤포리스트
10.5* {caret}를 이용한 랜덤포리스트

[3부] 비지도학습
11장 연관규칙
11.1 주요 개념
11.2 독립성분분석
11.3 연관규칙 알고리즘

12장 주성분분석
12.1 서론
12.2 주성분분석의 원리
12.3 PCA의 개념과 수리

13장 군집분석 Ⅰ
13.1 서론
13.2 계층적 군집
13.3 k-평균군집

14장* EM 알고리즘
14.1 서론
14.2 EM 알고리즘
14.3 응용: 혼합모형에서의 모수추정

15장 군집분석 Ⅱ
15.1 서론
15.2 혼합분포군집
15.3* 밀도기반군집

[4부] 주요 알고리즘
16장* PageRank 알고리즘
16.1 서론
16.2 기초 개념
16.3 PageRank 알고리즘

17장* 협업필터링
17.1 서론
17.2 협업필터링 방법
17.3 유사성 측도
17.4 사용자-기반 협업필터링
17.5 항목-기반 협업필터링
17.6 메모리-기반과 모형-기반 협업필터링

18장* 유전 알고리즘
18.1 서론
18.2 유전 알고리즘

[5부] 비정형 데이터마이닝
19장 텍스트마이닝
19.1 서론
19.2 워드클라우드: 예제
19.3 텍스트마이닝의 절차 소개
19.4 예제를 통한 텍스트마이닝
19.5 사례 분석: 한국어 자료

20장 감성분석
20.1 서론
20.2* {tidytext } 패키지를 이용한 감성분석
20.3* 문서-단어 행렬과 코퍼스 객체 간의 변환: tidy {tidytext } 함수
20.4 사례분석: 한국어 자료

21장 소셜 네트워크 분석
21.1 서론
21.2 소셜 네트워크 분석: 예제
21.3* 소셜 네트워크 분석

22장 빅데이터란 무엇인가?
22.1 서론
22.2 빅데이터의 생성원천과 특징
22.3 빅데이터 처리과정과 활용 사례
22.4 데이터과학자와 빅데이터 거버넌스