추가 적립 안내

탐색적 자료 분석(EDA, exploratory data analysis)은 데이터의 특징과 내재하는 구조를 알아내기 위한 통계적 기법들의 통칭이다. 제3판을 내면서, 13장 군집화와 14장 나무모형을 추가하였다. 군집화에서는 개체 군집화와 변수 군집화를 모두 다루었다. 부록으로, 2006년 고려대학교 학부 강의 중 만들었던 평가(시험) 문제와 4개의 과제를 붙였고 또한 리포트 예를 과제와 사례로 구분하여 넣었다.

"1장. R 언어

2장. 탐색적 자료 분석이란?
2.1 EDA
2.2 네 가지 주제
2.3 그래프의 유용성
2.4 기본철학
2.5 성공사례
2.6 요약

3장. 줄기와 잎
3.1 줄기-잎 그림
3.2 줄기 수 줄이기와 늘이기
3.3 히스토그램과의 비교
3.4 또 다른 사례
3.5 요약

4장. 수치요약과 상자그림, 여러 그룹의 비교
4.1 다섯수치요약
4.2 분위수
4.3 전통적인 수치요약과의 비교
4.4 상자그림
4.5 특이점
4.6 여러 묶음 수치자료의 비교
4.7 요약

5장. 자료의 재표현
5.1 멱승ㆍ로그ㆍ지수 변환에 의한 재표현
5.2 재표현의 목적
5.3 재표현의 활용사례
5.4 표준화 변환
5.5 요약

6장. 확률 플롯의 활용
6.1 정규확률 플롯
6.2 각종 임의수의 모의생성 방법
6.3 정규확률 플롯의 여러 패턴
6.4 지수분포와 와이블 분포로부터의 확률 플롯
6.5 두 표본의 등화
6.6 요약

7장. 2원 자료ㆍ빈도 표의 탐색
7.1 2원 자료 표의 분해
7.2 적합 모형의 검토
7.3 가구 소비지출 사례
7.4 2원 빈도 표 분석
7.5 요약

8장. 시계열 자료의 탐색
8.1 시계열 평활이란?
8.2 평활방법
8.3 사례분석
8.4 계절형 시계열의 분해
8.5 자기상관과 다중 시계열
8.6 주가 사례: 임의보행
8.7 요약

9장. 로버스트 선형회귀
9.1 최소제곱 추정 vs 대안적 방법
9.2 다중선형회귀
9.3 회귀모형의 대안적 추정 방법
9.4 요약

10장. 이변량 자료 탐색
10.1 산점도와 흐트림
10.2 밀도 추정과 보자기 그림
10.3 조각별 선형회귀
10.4 산점도 평활기 LOWESS
10.5 요약

11장. 다변량 자료 탐색
11.1 별 그림
11.2 산점도 행렬
11.3 조건부 플롯
11.4 평행좌표 플롯과 변수 순서화
11.5 차원축소에 의한 시각화: 주성분분석
11.6 비모수적 다중 회귀: LOESS
11.7 공간자료의 표현
11.8 요약

12장. R의 동적 그래픽스
12.1 rgl
12.2 iplots
12.3* rggobi
12.4 나오며

13장. 군집화
13.1 들어가기
13.2 k-평균 군집화
13.3 변수 군집화
13.4* 군집화 결과의 시각화
13.5 요약

14장. 나무 모형
14.1 분류를 위한 나무 모형
14.2 회귀를 위한 나무 모형
14.3 요약

참고 및 관련 문헌
부록 A. 평가
부록 B. 과제
부록 C. 리포트 예
실습 파일
찾아보기 "

머리말
" 이 책은 2000년에 펴낸 허명회ㆍ문승호의 《탐색적 자료 분석》의 R 버전이다. R의 장점을 살리고자 특히 이변량 및 다변량 자료의 탐색 부분을 대폭 보강하였고 동적 그래픽스 부분을 추가하였다. (R은 오픈 소스의 통계 소프트웨어/언어이다).
이 책의 주제인 탐색적 자료 분석 (EDA, exploratory data analysis)은 데이터의 특징과 내재하는 구조를 알아내기 위한 통계적 기법들의 통칭이다. EDA는 최근 관심인 데이터 마이닝(data mining)의 기초이기도 하다. (데이터 마이닝은 대규모 자료에 내재하는 의미 있는 패턴 및 관계, 경향 등을 찾아내는 일련의 자료 분석 과정이다.)
2012년 개정판을 내면서, 보자기 플롯(bag plot)과 변수 순서화를 위한 끝 잇기(endlink) 알고리즘을 추가하였다. 이 책에는 여러 개의 R 그래프가 있는데, R 코드를 실행해보면 책에 나와 있는 것보다 훨씬 멋있게 나온다.
2024년 제3판을 내면서, 13장 군집화와 14장 나무모형을 추가하였다. 군집화에서는 개체 군집화와 변수 군집화를 모두 다루었는데 왜 이제까지 자료탐색에서 이 중요한 토픽들이 누락되어 있었을까 의아하다. 나무모형은 기계학습에서 초석이 되는 중요한 기법으로 일종의 탐색적 자료기법으로도 의미가 깊다. 기계적 EDA의 일종이기 때문이다.
부록으로, 2006년 고려대학교 학부 강의 중 만들었던 평가(시험) 문제와 4개의 과제를 붙였고 또한 리포트 예를 과제와 사례로 구분하여 넣었다. 리포트에서 격(格)ㆍ식(式)도 내용에 못지않게 중요하다.
통계학에 대한 최근 사회 인식의 급속한 호전은 그간 통계학계의 숨은 정성의 결실일 것이다. 사회의 점증하는 기대와 새로운 문제 해결에 지속적으로 부응해야 한다는 책임감을 느낀다."