한빛미디어

> 책의 구성 및 내용

이 책은 제목에 맞게 XGBoost  (그레디언트 부스팅 프레임워크 오픈소스 프로젝트)
https://github.com/dmlc/xgboost에 대해
왜 XGBoost를 사용하는지, 어떤 장점이 있는지에 대해 안내해주고 있습니다.
일반적인 머신러닝의 회귀나 분류 등에 대한 자세한 설명보다는
그레디언트 부스팅과 XGBoost 에 대한 설명이 초점을 두고 있어
머신러닝에 대해 이미 알고있는 독자가 좀 더 쉽게 책을 읽을 수 있을거라 생각됩니다.

다양한 머신러닝 책을 쓰기도 하시고, 옮기기도 하신 박해선님께서 옮긴 책이여서 그런지
예제소스 정리가 굉장히 잘정리되어 있어 각 챕터 실습하는데 굉장히 편했습니다.
https://github.com/rickiepark/handson-gb

책에서는 하이퍼파라미터 튜닝에 대해서도 많은 부분 할애하고 있는데
각 파라미터에 대해 자세히 설명해주고 있어 
성능향상을 고민하고 있는 독자들에게도 많은 도움이 될 것 같습니다.

XGBoost 가 Kaggle 대회를 통해 명성을 얻은 만큼 
책의 뒷부분에서는 Kaggle 대회에 대해서도 소개하고 있는데,
기존에 Kaggle 이나 다른 머신러닝 대회에 관심있는 분들에게도 좋은 정보들이 많이 포함되어 있습니다.
특히 Kaggle 팁으로 범주형데이터나, 누락 값에 대한 처리, 평균 인코딩 등
개발자가 처음 Kaggle과 같은 대회를 접할 때 고려할 수 있는 다양한 팁이 있어서 좋았습니다. 

Kaggle대회 XGBoost 우승 솔루션 : https://github.com/dmlc/xgboost/tree/master/demo#machine-learning-challenge-winning-solutions

XGBoost 외에 그레디언트 부스팅 라이브러리 (LightGBM, CatBoost) 들도 마지막에 소개하고 있어
그레디언드 부스팅 라이브러리에 대한 이해에 많은 도움이 되었습니다. 

> 장점

• 실습코드가 제공되고, Colab이나 jupyter를 통해 손쉽게 테스트가 가능하도록 구성되어 있습니다.
• 코드를 통해 설명되고 있는 부분이 많아 읽기 편합니다.
• 각 예시에 대한 출처들이 명확하게 기재되어 있어 관련 정보를 추가학습하기 편합니다.

> 단점

• 없음

> 책읽기 필요사항

머신러닝에 대한 기초, 파이썬/사이킷런/주피터 사용법을 미리 알고있으면 좋습니다.

> 추천 독자

XGBoost 에 대해 알고 싶은 개발자,
회귀, 분류 문제를 XGBoost 를 통해 보다 빠르고 정확하게 풀고 싶은 개발자
Kaggle 대회에 관심있는 머신러닝 개발자

> 정보

저자: 코리웨이드
옮긴이 : 박해선
출판사: 한빛미디어
가격: 34,000원
전체 페이지: 380페이지

예제소스 : https://github.com/rickiepark/handson-gb

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."