R 데이터마이닝(데이터 과학을 위한 R 시리즈 5)

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.

[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