본문 바로가기

추천 검색어

실시간 인기 검색어

통계학으로 배우는 머신러닝 2/e

스탠퍼드대학교 통계학과 교수에게 배우는 머신러닝의 원리 | 2 판 | 양장본 Hardcover
데이터 과학
에이콘출판 · 2021년 01월 04일 출시 (1쇄 2020년 11월 30일)
8.6 (10개의 리뷰)
집중돼요 (38%의 구매자)
  • 통계학으로 배우는 머신러닝 2/e 대표 이미지
    통계학으로 배우는 머신러닝 2/e 대표 이미지
  • A4
    사이즈 비교
    210x297
    163x241
    단위 : mm
MD의 선택 무료배송 사은품 이벤트 소득공제
10% 54,000 60,000
적립/혜택
3,000P

기본적립

5% 적립 3,000P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 3,000P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송
배송비 안내
국내도서 / 외국도서
도서만 1만 원 이상 구매 시 무료배송
도서 + 잡지 / 만화 / :K컬렉션을 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

잡지 / 만화 / :K컬렉션 (교보배송)
각각 구매하거나 함께 2만 원 이상 구매 시 무료배송

2만원 미만 시 2,000원 배송비 부과

해외주문 서양도서 / 해외주문 일본도서 (교보배송)
각각 구매하거나 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

업체배송 상품 (전집, GIFT, 음반 / DVD 등)
중고장터 상품
해당 상품 상세페이지 "배송비" 참고 (업체 별/판매자 별 무료배송 기준 다름)
바로드림 오늘배송
업체에서 별도 배송하여 1Box당 배송비 2,500원 부과

1Box 기준 : 도서 10권

그 외 무료배송 기준
바로드림, eBook 상품을 주문한 경우, 플래티넘/골드/실버회원 무료배송쿠폰 이용하여 주문한 경우, 무료배송 등록 상품을 주문한 경우
주문정보를 불러오는 중입니다.
서울시 종로구 종로 1

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

패키지

북카드

키워드 Pick

키워드 Pick 안내

관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.

통계학으로 배우는 머신러닝 2/e 상세 이미지
머신러닝을 통한 모델 학습을 통계학적 체계 내에서 설명한다. 다양한 통계 이론을 살펴보고, 회귀에서 신경망에 이르는 머신러닝 알고리즘에서 이들이 어떠한 의의가 있는지 배울 수 있다. 단순히 머신러닝 모델을 적용하는 것을 넘어 모델의 이론적 배경을 이해함으로써 데이터에서 더욱 깊은 인사이트를 얻고자 하는 사람에게 추천한다.
선정 및 수상내역
2021년 대한민국학술원 우수학술도서 선정도서

작가정보

Trevor Hastie
스탠퍼드대학교 통계학과 교수이며, 이 분야의 저명한 연구자다. 일반화 가법 모델을 개발했으며 이 제목으로 인기 있는 책을 저술했다. R/S-PLUS에서 상당한 통계적 모델링 소프트웨어 및 환경을 공동 개발했으며 주곡선과 주표면을 창안했다.

작가의 말

통계학 분야는 과학과 산업계가 가져오는 문제로 인해 끊임없이 도전에 직면하고 있다. 초기에는 농업과 산업 관련 실험에서 이러한 문제가 도출됐으며, 상대적으로 범위가 좁았다. 컴퓨터와 정보 시대의 도래로 통계적 문제는 크기와 복잡도 모두에서 폭발적으로 증가했다. 데이터의 저장소, 조직화 그리고 검색 영역에의 문제는 ‘데이터 마이닝’이라는 새로운 분야로 이어졌다. 생물학과 약학에서의 통계적이고 연산적인 문제는 ‘생물정보학’을 만들어냈다. 많은 분야에서 막대한 양의 데이터가 만들어지고 있으며, 이 모든 것을 이해하는 것이 통계학자의 일이다. 중요한 패턴과 추세를 추출하고 ‘데이터가 무엇을 말하는지’ 이해하는 것을 데이터로부터의 학습(learning from data)이라 부른다. 데이터로부터의 학습에 관한 도전은 통계적 과학의 혁명으로 이어졌다. 연산이 핵심적인 역할을 맡음에 따라, 컴퓨터 과학이나 공학과 같은 다른 분야의 연구자들이 이러한 새로운 발전의 상당 부분을 해냈다는 것은 놀라운 일이 아니다. 우리가 고려하는 학습 문제는 간략하게 지도 학습과 비지도 학습으로 분류할 수 있다. 지도학습에서의 목표는 입력 측정치의 숫자에 근거해 결과 측정치의 값을 예측하는 것이다. 비지도 학습에서는 결과 측정치가 없으며 입력 측정치 집합 사이의 연관성과 패턴을 나타내는 것이 목표다. 이 책의 의도는 학습에서의 많은 중요하고 새로운 생각들을 한데 모으고 통계적 체계 내에서 설명하는 것이다. 몇몇 수학적 세밀함이 필요하지만, 이들의 이론적 속성보다는 방법과 개념적 토대를 강조하고자 한다. 그에 따라 이 책이 통계학자뿐만 아니라 다양한 분야의 연구자와 실무자의 흥미를 이끌어내길 기대한다. 우리가 통계학 이외의 연구자에게 배운 것이 많은 만큼, 통계적 시야가 독자들이 학습의 다른 면을 더 잘 이해하는 데 도움이 될 수 있을 것이다.

목차

  • 1장. 소개

    2장. 지도 학습의 개요
    __2.1 소개
    __2.2 변수 타입과 용어
    __2.3 예측을 위한 단순한 두 접근법: 최소 제곱과 최근접이웃
    ____2.3.1 선형 모델과 최소 제곱42
    ____2.3.2 최근접이웃 방법
    ____2.3.3 최소제곱에서 최근접이웃까지
    __2.4 통계적 결정 이론
    __2.5 고차원에서의 국소적 방법
    __2.6 통계적 모델, 지도 학습 및 함수 근사60
    ____2.6.1 결합분포 Pr(X, Y )를 위한 통계적 모델
    ____2.6.2 지도 학습
    ____2.6.3 함수 근사
    __2.7 구조화된 회귀 모델
    ____2.7.1 문제의 어려움
    __2.8 제한된 추정량의 종류
    ____2.8.1 조도 벌점과 베이즈 방법
    ____2.8.2 커널법과 국소 회귀
    ____2.8.3 기저함수와 딕셔너리 방법
    __2.9 모델 선택과 편향 - 분산 상반관계
    __참고문헌
    __연습 문제

    3장. 회귀를 위한 선형법
    __3.1 소개
    __3.2 선형회귀 모델과 최소제곱
    ____3.2.1 예제: 전립선암
    ____3.2.2 가우스-마코프 정리
    ____3.2.3 단순 일변량 회귀로부터의 다중회귀
    ____3.2.4 다중 출력
    __3.3 부분집합 선택
    ____3.3.1 최량 부분집합 선택
    ____3.3.2 전진 및 후진 스텝별 선택
    ____3.3.3 전진 - 스테이지별 회귀
    ____3.3.4 전립선암 데이터 예제(계속)
    __3.4 수축법
    ____3.4.1 릿지회귀
    ____3.4.2 라쏘
    ____3.4.3 논의: 부분집합 선택, 릿지회귀 그리고 라쏘
    ____3.4.4 최소각회귀
    __3.5 유도된 입력 방향을 사용하는 방법들
    ____3.5.1 주성분회귀
    ____3.5.2 부분최소제곱
    __3.6 논의: 선택법과 수축법 비교
    __3.7 다중 결과 수축 및 선택
    __3.8 라쏘 및 관련된 경로 알고리즘에 관한 추가 내용
    ____3.8.1 증가적 전진 스테이지별 회귀
    ____3.8.2 조각별 - 선형 경로 알고리즘
    ____3.8.3 댄치그 선택자
    ____3.8.4 그룹화 라쏘
    ____3.8.5 라쏘의 추가적인 속성
    ____3.8.6 경로별 좌표 최적화
    __3.9 연산적 고려 사항
    __참고문헌
    __연습 문제

    4장. 분류를 위한 선형법
    __4.1 소개
    __4.2 지시행렬의 선형회귀
    __4.3 선형판별분석
    ____4.3.1 정칙판별분석
    ____4.3.2 LDA를 위한 연산
    ____4.3.3 축소된 랭크 선형판별분석
    __4.4 로지스틱회귀
    ____4.4.1 로지스틱회귀 모델 적합
    ____4.4.2 예제: 남아프리카인 심장병
    ____4.4.3 이차근사 및 추론
    ____4.4.4 L1 정칙화 로지스틱회귀
    ____4.4.5 로지스틱회귀 아니면 LDA?
    __4.5 분리초평면
    ____4.5.1 로젠블랫의 퍼셉트론 학습 알고리즘
    ____4.5.2 최적 분리초평면
    __참고문헌
    __연습 문제

    5장. 기저전개와 정칙화
    __5.1 소개
    __5.2 조각별 다항식과 스플라인
    ____5.2.1 자연 삼차 스플라인
    ____5.2.2 예제: 남아프리카 심장 질환(계속)
    ____5.2.3 예제: 음소 인식
    __5.3 필터링과 특성 추출
    __5.4 평활 스플라인
    ____5.4.1 자유도와 평활자 행렬
    __5.5 평활화 매개변수의 자동적 선택
    ____5.5.1 자유도 고정하기
    ____5.5.2 편향 - 분산 상반관계
    __5.6 비모수적 로지스틱회귀
    __5.7 다차원 스플라인
    __5.8 정칙화 및 재생 커널 힐베르트 공간
    ____5.8.1 커널에 의해 생성된 함수의 공간
    ____5.8.2 RKHS 예시
    __5.9 웨이블릿 평활화
    ____5.9.1 웨이블릿 기저와 웨이블릿 변환
    ____5.9.2 적응적 웨이블릿 필터링
    __참고문헌
    __연습 문제
    __부록: 스플라인 연산
    ____B - 스플라인
    ____평활 스플라인의 연산

    6장. 커널 평활법
    __6.1 1차원 커널 평활자
    ____6.1.1 국소 선형회귀
    ____6.1.2 국소 다항회귀
    __6.2 커널의 너비 선택하기
    __6.3 Rp에서의 국소 회귀
    __6.4 Rp에서의 구조적 국소 회귀 모델
    ____6.4.1 구조화 커널
    ____6.4.2 구조화 회귀함수
    __6.5 국소 가능도 및 다른 모델
    __6.6 커널 밀도 추정 및 분류
    ____6.6.1 커널 밀도 추정
    ____6.6.2 커널 밀도 분류
    ____6.6.3 단순 베이즈 분류기
    __6.7 방사기저함수와 커널
    __6.8 밀도 추정과 분류를 위한 혼합 모델
    __6.9 연산 고려 사항
    __참고문헌
    __연습 문제

    7장. 모델 평가 및 선택
    __7.1 소개
    __7.2 편향, 분산, 모델 복잡도
    __7.3 편향-분산 분해
    ____7.3.1 예제: 편향 - 분산 상반관계
    __7.4 훈련 오류율에 관한 낙관도
    __7.5 표본-내 예측오차의 추정값
    __7.6 매개변수의 유효 개수
    __7.7 베이즈 접근법과 BIC
    __7.8 최소 설명 길이
    __7.9 밥닉-체브넨키스 차원
    ____7.9.1 예제(계속)
    __7.10 교차 검증
    ____7.10.1 K-겹 교차 검증
    ____7.10.2 교차 검증을 하는 잘못된 그리고 옳은 방법
    ____7.10.3 교차 검증은 정말로 작동하는가?
    __7.11 부트스트랩법
    ____7.11.1 예제(계속)
    __7.12 조건부 혹은 기대 테스트 오차
    __참고문헌
    __연습 문제

    8장. 모델 추론과 평균화
    __8.1 소개
    __8.2 부트스트랩과 최대가능도 방법
    ____8.2.1 평활화 예제
    ____8.2.2 최대가능도 추정
    ____8.2.3 부트스트랩 대 최대가능도
    __8.3 베이즈 방법
    __8.4 부트스트랩과 베이즈 추정 사이의 관계
    __8.5 EM 알고리즘
    ____8.5.1 2 - 성분 혼합모델
    ____8.5.2 일반적인 EM 알고리즘
    ____8.5.3 최대화 - 최대화 과정으로써의 EM
    __8.6 사후분포로부터 표본 추출을 위한 MCMC
    __8.7 배깅
    ____8.7.1 예제: 시뮬레이션 데이터로 된 트리
    __8.8 모델 평균화와 스태킹
    __8.9 확률적 검색: 범핑
    __참고문헌
    __연습 문제

    9장. 가법 모델, 트리 및 관련 방법들
    __9.1 일반화 가법 모델
    ____9.1.1 가법 모델 적합시키기
    ____9.1.2 예제: 가법 로지스틱회귀
    ____9.1.3 요약
    __9.2 트리 기반 방법
    ____9.2.1 배경
    ____9.2.2 회귀 트리
    ____9.2.3 분류 트리
    ____9.2.4 다른 문제들
    ____9.2.5 스팸 예제(계속)
    __9.3 PRIM: 범프 헌팅
    ____9.3.1 스팸 예제(계속)
    __9.4 MARS: 다변량 적응적 회귀 스플라인
    ____9.4.1 스팸 데이터(계속)
    ____9.4.2 예제(시뮬레이션된 데이터)
    ____9.4.3 다른 문제들
    __9.5 전문가 계층 혼합
    __9.6 결측 데이터
    __9.7 연산 고려 사항
    __참고문헌
    __연습 문제

    10장. 부스팅과 가법 트리
    __10.1 부스팅법
    ____10.1.1 개요
    __10.2 부스팅 적합과 가법 모델
    __10.3 전진 스테이지별 가법 모델링
    __10.4 지수손실과 에이다 부스트
    __10.5 왜 지수손실인가?
    __10.6 손실함수와 로버스트성
    __10.7 데이터 마이닝을 위한 “기성품” 같은 과정
    __10.8 예제: 스팸 데이터
    __10.9 부스팅 트리
    __10.10 경사 부스팅을 통한 수치적 최적화
    ____10.10.1 최급하강
    ____10.10.2 경사 부스팅
    ____10.10.3 경사 부스팅의 구현
    __10.11 부스팅을 위한 적절한 크기의 트리
    __10.12 정칙화
    ____10.12.1 수축
    ____10.12.2 부표집
    __10.13 해석
    ____10.13.1 예측변수의 상대 중요도
    ____10.13.2 부분 의존도 도표
    __10.14 삽화
    ____10.14.1 캘리포니아 주택
    ____10.14.2 뉴질랜드 물고기
    ____10.14.3 인구통계 데이터
    __참고문헌
    __연습 문제

    11장. 신경망
    __11.1 소개
    __11.2 사영추적 회귀
    __11.3 신경망
    __11.4 신경망 적합시키기
    __11.5 신경망을 훈련시킬 때의 문제
    ____11.5.1 시작값
    ____11.5.2 과적합
    ____11.5.3 입력변수의 척도화
    ____11.5.4. 은닉 유닛과 층의 개수
    ____11.5.5 복수의 최솟값들
    __11.6 예제: 시뮬레이션 데이터
    __11.7 예제: 우편번호 데이터
    __11.8 논의
    __11.9 베이즈 신경망과 NIPS 2003 챌린지
    ____11.9.1 베이즈, 부스팅, 배깅
    ____11.9.2 성능 비교
    __11.10 연산 고려 사항
    __참고문헌
    __연습 문제

    12장. 서포트벡터머신과 유연한 판별식
    __12.1 도입
    __12.2 서포트벡터분류기
    ____12.2.1 서포트벡터분류기 연산하기
    ____12.2.2 혼합 예제(계속)
    __12.3 서포트벡터머신과 커널
    ____12.3.1 분류를 위한 SVM 연산
    ____12.3.2 벌점화 방법으로서의 SVM
    ____12.3.3 함수 추정과 재생커널
    ____12.3.4 SVM과 차원성의 저주
    ____12.3.5 SVM 분류기를 위한 경로 알고리즘
    ____12.3.6 회귀를 위한 서포트벡터머신
    ____12.3.7 회귀와 커널
    ____12.3.8 논의
    __12.4 선형판별분석 일반화
    __12.5 유연한 판별분석
    ____12.5.1 FDA 추정값 계산하기
    __12.6 벌점화 판별분석
    __12.7 혼합판별분석
    ____12.7.1 예제: 파형 데이터
    __12.8 연산 고려 사항
    __참고문헌
    __연습 문제

    13장. 프로토타입 방법과 최근접이웃법
    __13.1 개요
    __13.2 프로토타입법
    ____13.2.1 K- 평균 군집화
    ____13.2.2 학습 벡터 양자화
    ____13.2.3 가우스 혼합
    __13.3 K-최근접이웃 분류기
    ____13.3.1 예제: 비교 연구
    ____13.3.2 예제: K - 최근접이웃과 이미지 장면 분류
    ____13.3.3 불변 계량과 탄젠트 거리
    __13.4 적응적 최근접이웃법
    ____13.4.1 예제
    ____13.4.2 최근접이웃을 위한 전역 차원 축소
    __13.5 연산 고려 사항
    __참고문헌
    __연습 문제

    14장. 비지도 학습
    __14.1 개요
    __14.2 연관성 규칙
    ____14.2.1 시장 바스켓 분석
    ____14.2.2 아프리오리 알고리즘
    ____14.2.3 예제: 시장 바스켓 분석
    ____14.2.4 지도 학습 같은 비지도
    ____14.2.5 일반화 연관성 규칙
    ____14.2.6 지도 학습법의 선택
    ____14.2.7 예제: 시장 바스켓 분석(계속)
    __14.3 군집분석
    ____14.3.1 근접도 행렬
    ____14.3.2 속성에 근거한 비유사도
    ____14.3.3 개체 비유사도
    ____14.3.4 군집화 알고리즘
    ____14.3.5 조합적 알고리즘
    ____14.3.6 K - 평균
    ____14.3.7 K - 평균 연군집화로서의 가우스 혼합
    ____14.3.8 예제: 인간 종양 미세 배열 데이터
    ____14.3.9 벡터 양자화
    ____14.3.10 K- 중위점
    ____14.3.11 실제적인 문제
    ____14.3.12 계층적 군집화
    __14.4 자기 조직화 맵
    __14.5 주성분, 주곡선과 주표면
    ____14.5.1 주성분
    ____14.5.2 주곡선과 주표면
    ____14.5.3 스펙트럼 군집화
    ____14.5.4 커널 주성분
    ____14.5.5 희박 주성분
    __14.6 비음수행렬 분해
    ____14.6.1 원형분석
    __14.7 독립성분분석과 탐색적 사영추적
    ____14.7.1 잠재변수와 인자분석
    ____14.7.2 독립성분분석
    ____14.7.3 탐색적 사영추적
    ____14.7.4 ICA의 직접적 접근법
    __14.8 다차원 척도화
    __14.9 비선형 차원 축소와 국소 다차원 척도화
    __14.10 구글 페이지랭크 알고리즘
    __참고문헌
    __연습 문제

    15장. 랜덤포레스트
    __15.1 개요
    __15.2 랜덤포레스트의 정의
    __15.3 랜덤포레스트의 세부 사항
    ____15.3.1 아웃오브백 표본
    ____15.3.2 변수 중요도
    ____15.3.3 근접도 도표
    ____15.3.4 랜덤포레스트와 과적합
    __15.4 랜덤포레스트의 분석
    ____15.4.1 분산 및 역상관 효과
    ____15.4.2 편향
    ____15.4.3 적응적 최근접이웃
    __참고문헌
    __연습 문제

    16장. 앙상블 학습
    __16.1 개요
    __16.2 부스팅과 정칙화 경로
    ____16.2.1 벌점화 회귀
    ____16.2.2 “희박성 베팅” 원칙
    ____16.2.3 정칙화 경로, 과적합 그리고 마진
    __16.3 학습 앙상블
    ____16.3.1 좋은 앙상블 학습하기
    ____16.3.2 규칙 앙상블
    __참고문헌
    __연습 문제

    17장. 무향 그래프 모델
    __17.1 개요
    __17.2 마코프 그래프 및 이들의 속성
    __17.3 연속형 변수를 위한 무향 그래프 모델
    ____17.3.1 그래프 구조가 알려져 있을 때 매개변수의 추정
    ____17.3.2 그래프 구조의 추정
    __17.4 이산변수를 위한 무향 그래프 모델
    ____17.4.1 그래프 구조가 알려져 있을 때 매개변수의 추정
    ____17.4.2 은닉 노드
    ____17.4.3 그래프 구조의 추정
    ____17.4.4 제약된 볼츠만 머신
    __참고문헌
    __연습 문제

    18장. 고차원 문제: p≪N
    __18.1 p가 N보다 훨씬 클 때
    __18.2 대각 선형판별분석과 최근접 수축 중심점
    __18.3 이차 정칙화 선형 분류기
    ____18.3.1 정칙판별분석
    ____18.3.2 이차 정칙화로 된 로지스틱회귀
    ____18.3.3 서포트벡터분류기
    ____18.3.4 특성 선택
    ____18.3.5 p ≫ N일 때 연산적인 지름길
    __18.4 L1 정칙화 선형 분류기
    ____18.4.1 단백질 질량 분광분석의 라쏘 적용
    ____18.4.2 함수형 데이터를 위한 퓨즈화 라쏘
    __18.5 특성을 쓸 수 없을 때의 분류
    ____18.5.1 예제: 문자열 커널과 단백질 분류
    ____18.5.2 내적 커널과 쌍별 거리를 사용하는 분류 및 다른
    ____18.5.3 예제: 초록 분류
    __18.6 고차원 회귀: 지도 주성분
    ____18.6.1 잠재변수 모델링과의 연결성
    ____18.6.2 부분최소제곱과의 관계
    ____18.6.3 특성 선택을 위한 전제조건화
    __18.7 특성 평가와 다중검정 문제
    ____18.7.1 오발견율
    ____18.7.2 비대칭 절단점과 SAM 과정
    ____18.7.3 FDR의 베이즈적 해석
    __18.8 참고문헌
    __연습 문제

출판사 서평

★ 이 책의 대상 독자 ★

통계학, 인공지능, 공학, 금융 등 다양한 분야의 연구자와 학생을 위해 썼다. 이 책을 읽는 독자가 선형회귀를 포함한 기본 주제를 다루는 통계학의 기초 강의를 적어도 하나는 수강했기를 기대한다.
학습법의 포괄적인 안내서를 쓰기보다는 가장 중요한 기술 몇 가지를 설명하고자 했다. 또한 하부 개념과 고려 사항을 설명해 연구자가 학습법을 판단할 수 있게 했다. 수학적 세부 사항보다는 개념을 강조해 직관적인 방식으로 작성했다.
우리는 자연스럽게 통계학자로서의 배경과 전문 분야를 반영하게 될 것이다. 그러나 과거 8년 동안 신경망, 데이터 마이닝과 머신러닝에 관한 콘퍼런스에 참여했으며, 이러한 흥미진진한 분야에 크게 영향을 받았다.


★ 이 책의 구성 ★

복잡한 방법을 완전히 파악하려 하기 전에 반드시 간단한 방법부터 이해해야 한다. 따라서 2장에서 지도 학습 문제에 관한 개요를 제공한 다음 3장과 4장에서 회귀와 분류를 위한 선형 방법을 논의한다. 5장에서는 단일 예측변수를 위한 스플라인(spline), 웨이블렛(wavelet)과 정칙화/벌점화법을 설명하며, 6장에서는 커널 방법과 국소 회귀(local regression)를 다룬다. 이들 방법 모두 고차원 학습 기법의 중요한 기본 토대가 된다. 모델 평가와 선택이 7장의 주제이며, 편향과 분산의 개념, 과적합 및 모형 선택을 위한 교차 검증과 같은 방법을 다룬다. 8장은 최대가능도, 베이지안 추론과 부트스트랩, EM 알고리즘, 깁스 샘플링, 배깅(bagging)의 개요를 포함해 모형 추론과 평균화에 관해 논의한다. 부스팅(boosting)이라 부르는 과정은 10장에서 집중적으로 다룬다.
9장부터 13장까지는 지도 학습을 위한 일련의 구조적 방법을 설명한다. 특히 9장과 11장에서는 회귀를 다루며 12장과 13장에서는 분류에 집중한다. 14장에서는 비지도 학습을 위한 방법에 관해 설명한다. 최근에 알려진 기법인 랜덤 포레스트와 앙상블 학습은 15장과 16장에서 논의한다. 무방향 그래프 모델은 17장에서 설명하며, 마지막으로 18장에서 고차원 문제를 공부한다.
각 장의 마지막에서는 관측치와 예측자의 개수에 따라 어떻게 연산이 확장되는지 등을 포함해 데이터 마이닝 응용법에 중요한 연산적 고려 사항에 관해 논의한다. 각 장은 자료를 위한 배경 참조를 제공하는 참고문헌으로 마무리된다.
먼저 1장부터 4장까지 순서대로 읽기를 추천한다. 7장 또한 모든 학습법에 관련된 핵심 개념을 다루므로 의무적으로 읽어야 한다. 책의 나머지는 독자의 흥미에 따라 순서대로 읽거나 혹은 선택해서 읽을 수 있다.

★ 옮긴이의 말 ★

이 책은 Springer에서 출간된 『Elements of Statistical Learning, Second Edition』을 번역한 것입니다. 원서의 공동 저자 3인은 모두 스탠퍼드대학교 통계학과 교수들로 탁월한 학문적 성과로 명성이 높은 분들이며, 이 책 또한 여러 논문에서 많이 인용되고 있습니다.
이 책의 서문을 펴 볼 정도로 머신러닝에 관심이 많은 독자 분이라면 통계학을 포장해 머신러닝이라고 부른다는 내용의 재미있는 밈(meme)을 보신 적이 있을 것입니다. 이러한 밈이 단순히 농담으로만 보이지 않는 것은 비단 저뿐만이 아닐 것입니다. 머신러닝을 더 잘 알기 위해서는 통계학을 피할 수 없다는 점이야말로 제가 이 책의 번역을 맡기로 한 근본적인 이유가 아닐까 합니다.
요즘은 문제를 무조건 딥러닝으로 해결하려는 분위기가 강합니다. 하지만 저자들이 1장에서 언급한 바와 같이 저 또한 복잡한 방법을 시도하기 전에 단순한 방법을 이해하는 것이 중요합니다. 물론 통계적, 수학적 지식이 부족하더라도 데이터에 머신러닝 모델을 적용하는 것은 어려운 일이 아닙니다. 그러나 이 책은 더 나아가 모델의 밑바탕에 깔린 개념을 폭넓게 이해함으로써, 주어진 문제를 해결하고 데이터로부터 더욱 깊은 통찰을 얻을 수 있는 실질적인 힘을 기르도록 도와줄 것입니다. 이 책과 함께 통계적 이론 및 회귀와 분류, 커널과 기저, 정칙화, 가법적 모델 등 여러 주제에 대해 더 깊이 공부할 수 있다면 향후 다양한 주제를 학습하는 데 큰 도움이 되리라 생각합니다.
저자들은 적어도 독자들이 기본적인 통계학을 수강했기를 기대하고 있지만, 이 책을 잘 이해하는 데 그 정도로 충분하다고 하기에는 힘든 것이 사실입니다. 책과 함께하면서 미적분학, 선형대수학, 확률론, 통계학 등 부족하다고 생각하는 부분을 함께 학습하시기를 권해드립니다. 원서의 정오표(https://web.stanford.edu/~hastie/ElemStatLearn/)는 웹사이트의 ‘Errata for the 2nd Edition, after 12th printing (January 2017) and not yet reflected in online version’을 기준으로 반영돼 있습니다. 용어는 한국통계학회(http://www.kss.or.kr/) 및 대한수학회(http://www.kms.or.kr/main.html)의 용어집을 표준으로 삼고자 했으며, 그 밖의 용어는 인터넷 검색을 통해 가장 빈번하게 쓰이는 용어를 사용하고자 노력했습니다.

기본정보

상품정보
ISBN 9791161754727 ( 1161754725 )
쪽수 844쪽
크기
163 * 241 * 50 mm / 1391 g
총권수 1권
시리즈명
데이터 과학
원서명/저자명 The Elements of Statistical Learning/Hastie, Trevor

Klover

Klover 리뷰 안내
교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
리워드 안내
구매 후 90일 이내에 평점과 10자 이상의 리뷰 작성 시 e교환권 200원을 적립해 드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
한달 후 리뷰
구매 후 30일~ 120일 이내에 작성된 두 번째 구매리뷰에 대해 한 달 후 리뷰로 인지하고 e교환권 100원을 추가 제공합니다.
운영 원칙 안내
Klover 리뷰를 통한 리뷰를 작성해 주셔서 감사합니다. 자유로운 의사 표현의 공간인 만큼 타인에 대한 배려를 부탁합니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
  • 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
  • 도서와 무관한 내용의 리뷰
  • 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
  • 의성어나 의태어 등 내용의 의미가 없는 리뷰
신고하기
다른 고객이 작성리뷰에 대해 불쾌함을 느끼는 경우 신고를 할 수 있으며, 신고 자가 일정수준 이상 누적되면 작성하신 리뷰가 노출되지 않을 수 있습니다.

구매 후 리뷰 작성 시, e교환권 200원 적립

문장수집

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.

구매 후 리뷰 작성 시, e교환권 100원 적립

이 책의 첫 기록을 남겨주세요

교환/반품/품절 안내

상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

이벤트
TOP

저자 모두보기

매장별 재고 및 위치

할인쿠폰 다운로드

  • 쿠폰은 주문결제화면에서 사용 가능합니다.
  • 다운로드한 쿠폰은 마이 > 혜택/포인트 에서 확인 가능합니다.
  • 도서정가제 적용 대상 상품에 대해서는 정가의 10%까지 쿠폰 할인이 가능합니다.
  • 도서정가제 적용 대상 상품에 10% 할인이 되었다면, 해당 상품에는 사용하실 수
    없습니다.

적립예정포인트 안내

  • 통합포인트 안내

    • 통합포인트는 교보문고(인터넷, 매장), 핫트랙스(인터넷, 매장), 모바일 교보문고 등 다양한 곳에서 사용하실 수 있습니다.
    • 상품 주문 시, 해당 상품의 적립률에 따라 적립 예정 포인트가 자동 합산되고 주문하신 상품이 발송완료 된 후에 자동으로 적립됩니다.
    • 단, 쿠폰 및 마일리지, 통합포인트, e교환권 사용 시 적립 예정 통합포인트가 변동될 수 있으며 주문취소나 반품시에는 적립된 통합포인트가 다시 차감됩니다.
  • 통합포인트 적립 안내

    • 통합포인트는 도서정가제 범위 내에서 적용됩니다.
    • 추가적립 및 회원 혜택은 도서정가제 대상상품(국내도서, eBook등)으로만 주문시는 해당되지 않습니다.
  • 기본적립) 상품별 적립금액

    • 온라인교보문고에서 상품 구매시 상품의 적립률에 따라 적립됩니다.
    • 단 도서정가제 적용 대상인 국내도서,eBook은 15%내에서 할인율을 제외한 금액내로 적립됩니다.
  • 추가적립) 5만원 이상 구매시 통합포인트 2천원 추가적립

    • 5만원 이상 구매시 통합포인트 2천원 적립됩니다.
    • 도서정가제 예외상품(외서,음반,DVD,잡지(일부),기프트) 2천원 이상 포함시 적립 가능합니다.
    • 주문하신 상품이 전체 품절인 경우 적립되지 않습니다.
  • 회원혜택) 3만원이상 구매시 회원등급별 2~4% 추가적립

    • 회원등급이 플래티넘, 골드, 실버 등급의 경우 추가적립 됩니다.
    • 추가적립은 실결제액 기준(쿠폰 및 마일리지, 통합포인트, e교환권 사용액 제외) 3만원 이상일 경우 적립됩니다.
    • 주문 후 취소,반품분의 통합포인트는 단품별로 회수되며, 반품으로 인해 결제잔액이 3만원 미만으로 변경될 경우 추가 통합포인트는 전액 회수될 수 있습니다.

제휴 포인트 안내

제휴 포인트 사용

  • OK CASHBAG 10원 단위사용 (사용금액 제한없음)
  • GS&POINT 최대 10만 원 사용
더보기

구매방법 별 배송안내

배송 일정 안내

  • 출고 예정일은 주문상품의 결제(입금)가 확인되는 날 기준으로 상품을 준비하여 상품 포장 후 교보문고 물류센터에서 택배사로 전달하게 되는 예상 일자입니다.
  • 도착 예정일은 출고 예정일에서 택배사의 배송일 (약1~2일)이 더해진 날이며 연휴 및 토, 일, 공휴일을 제외한 근무일 기준입니다.
배송 일정 안내
출고예정일 도착예정일
1일이내 상품주문 후 2~3일 이내
2일이내 상품주문 후 3~4일 이내
3일이내 상품주문 후 4~5일 이내
4일이내 상품주문 후 5~6일 이내

연휴 및 토, 일, 공휴일은 제외됩니다.

당일배송 유의사항

  • 수도권 외 지역에서 선물포장하기 또는 사은품을 포함하여 주문할 경우 당일배송 불가
  • 회사에서 수령할 경우 당일배송 불가 (퇴근시간 이후 도착 또는 익일 배송 될 수 있음)
  • 무통장입금 주문 후 당일 배송 가능 시간 이후 입금된 경우 당일 배송 불가
  • 주문 후 배송지 변경 시 변경된 배송지에 따라 익일 배송될 수 있습니다.
  • 수도권 외 지역의 경우 효율적인 배송을 위해 각 지역 매장에서 택배를 발송하므로, 주문 시의 부록과 상이할 수 있습니다.
  • 각 지역 매장에서 재고 부족 시 재고 확보를 위해 당일 배송이 불가할 수 있습니다.

일반배송 시 유의사항

  • 날씨나 택배사의 사정에 따라 배송이 지연될 수 있습니다.
  • 수도권 외 지역 바로배송 서비스의 경우 경품 수령 선택 여부에 따라 도착 예정일이 변경됩니다.
  • 출고 예정일이 5일 이상인 상품의 경우(결제일로부터 7일 동안 미입고), 출판사 / 유통사 사정으로 품/절판 되어 구입이 어려울 수 있습니다. 이 경우 SMS, 메일로 알려드립니다.
  • 선물포장 주문 시 합배송 처리되며, 일부상품 품절 시 도착 예정일이 늦어질 수 있습니다.
  • 분철상품 주문 시 분철 작업으로 인해 기존 도착 예정일에 2일 정도 추가되며, 당일 배송, 해외 배송이 불가합니다.

해외주문 시 유의사항

  • 해외주문도서는 해외 거래처 사정에 의해 품절/지연될 수 있습니다.

Special order 주문 시 유의사항

  • 스페셜오더 도서나 일서 해외 주문 도서와 함께 주문 시 배송일이 이에 맞추어 지연되오니, 이점 유의해 주시기 바랍니다.

바로드림존에서 받기

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상 시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함 되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해 주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반 코너에서 수령확인이 가능합니다
  • 선물 받는 분의 휴대폰번호만 입력하신 후 결제하시면 받는 분 휴대폰으로 선물번호가 전달됩니다.
  • 문자를 받은 분께서는 마이 > 주문관리 > 모바일 선물내역 화면에서 선물번호와 배송지 정보를 입력하시면 선물주문이 완료되어 상품준비 및 배송이 진행됩니다.
  • 선물하기 결제하신 후 14일까지 받는 분이 선물번호를 등록하지 않으실 경우 주문은 자동취소 됩니다.
  • 또한 배송 전 상품이 품절 / 절판 될 경우 주문은 자동취소 됩니다.

바로드림 서비스 안내

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.
  1. STEP 01
    픽업박스에서 찾기 주문
  2. STEP 02
    도서준비완료 후 휴대폰으로 인증번호 전송
  3. STEP 03
    매장 방문하여 픽업박스에서 인증번호 입력 후 도서 픽업
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.

도서 소득공제 안내

  • 도서소득공제란?

    • 2018년 7월 1일 부터 근로소득자가 신용카드 등으로 도서구입 및 공연을 관람하기 위해 사용한 금액이 추가 공제됩니다. (추가 공제한도 100만원까지 인정)
      • 총 급여 7,000만 원 이하 근로소득자 중 신용카드, 직불카드 등 사용액이 총급여의 25%가 넘는 사람에게 적용
      • 현재 ‘신용카드 등 사용금액’의 소득 공제한도는 300만 원이고 신용카드사용액의 공제율은 15%이지만, 도서·공연 사용분은 추가로 100만 원의 소득 공제한도가 인정되고 공제율은 30%로 적용
      • 시행시기 이후 도서·공연 사용액에 대해서는 “2018년 귀속 근로소득 연말 정산”시기(19.1.15~)에 국세청 홈택스 연말정산간소화 서비스 제공
  • 도서 소득공제 대상

    • 도서(내서,외서,해외주문도서), eBook(구매)
    • 도서 소득공제 대상 상품에 수반되는 국내 배송비 (해외 배송비 제외)
      • 제외상품 : 잡지 등 정기 간행물, 음반, DVD, 기프트, eBook(대여,학술논문), 사은품, 선물포장, 책 그리고 꽃
      • 상품정보의 “소득공제” 표기를 참고하시기 바랍니다.
  • 도서 소득공제 가능 결제수단

    • 카드결제 : 신용카드(개인카드에 한함)
    • 현금결제 : 예치금, 교보e캐시(충전에한함), 해피머니상품권, 컬쳐캐쉬, 기프트 카드, 실시간계좌이체, 온라인입금
    • 간편결제 : 교보페이, 네이버페이, 삼성페이, 카카오페이, PAYCO, 토스, CHAI
      • 현금결제는 현금영수증을 개인소득공제용으로 신청 시에만 도서 소득공제 됩니다.
      • 교보e캐시 도서 소득공제 금액은 교보eBook > e캐시 > 충전/사용내역에서 확인 가능합니다.
      • SKpay, 휴대폰 결제, 교보캐시는 도서 소득공제 불가
  • 부분 취소 안내

    • 대상상품+제외상품을 주문하여 신용카드 "2회 결제하기"를 선택 한 경우, 부분취소/반품 시 예치금으로 환원됩니다.

      신용카드 결제 후 예치금으로 환원 된 경우 승인취소 되지 않습니다.

  • 도서 소득공제 불가 안내

    • 법인카드로 결제 한 경우
    • 현금영수증을 사업자증빙용으로 신청 한 경우
    • 분철신청시 발생되는 분철비용

알림 신청

아래의 알림 신청 시 원하시는 소식을 받아 보실 수 있습니다.
알림신청 취소는 마이룸 > 알림신청내역에서 가능합니다.

통계학으로 배우는 머신러닝 2/e
스탠퍼드대학교 통계학과 교수에게 배우는 머신러닝의 원리
2 판 | 양장본 Hardcover
한달 후 리뷰
/ 좋았어요
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 올해 주식 투자를 시작했다. 아무것도 모르고 초심자의 행운으로 분유값 정도를 벌고 나니, 조금 더 공부해보고 싶어져서 『초격차 투자법』을 구매했다.
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
기대가됩니다~
기대가됩니다~
기대가됩니다~
이 구매자의 첫 리뷰 보기
/ 좋았어요
하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까 예견해 본다. 책한권으로 등의 근육들이 오그라진 느낌에 아직도 느껴진다. 하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이 처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까..
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
신고

신고 사유를 선택해주세요.
신고 내용은 이용약관 및 정책에 의해 처리됩니다.

허위 신고일 경우, 신고자의 서비스 활동이 제한될 수 있으니 유의하시어
신중하게 신고해주세요.

판형알림

  • A3 [297×420mm]
  • A4 [210×297mm]
  • A5 [148×210mm]
  • A6 [105×148mm]
  • B4 [257×364mm]
  • B5 [182×257mm]
  • B6 [128×182mm]
  • 8C [8절]
  • 기타 [가로×세로]