한빛미디어

  

한빛미디어의 "XGBoost와 사이킷런을 활용한 그레이디언트부스팅” 도서를 소개합니다.

 

 

 

 

 

 

 

 

 

XGBoost에 대한 글들을 우연히 보게 되어 관심을 가지던 차에 "XGBoost와 사이킷런을 활용한 그레이디언트 부스팅" 리뷰기회를 얻어 읽게 되었습니다. 사실 부제에 해당하는 "캐글고수에게 배우는 실전 파이썬 머신러닝, ..."에 호기심을 가지게 된 것인데, XGBoost 기반으로 캐글 대회 우승을 차지했다는 내용들 때문이었습니다.

 

 

 

 

 

 

XGBoost을 알려면 우선 부스팅이란 앙상블(Ensemble) 기법을 알아야 합니다. 부스팅은 몇 가지 모델을결합하여 정확한 모델을 만드는 방법으로, 각각의 예측 결과를 기반으로 강한 모델을 만든다고 볼 수 있습니다. 2장에서 4장까지는 XGBoost의이해를 위해서 "그레이디언트 부스팅"을, 그 전에 "배깅 앙상블과 랜덤 포레스트"를, 또다시 이를 알기 위해서 이전에 "결정 트리"를 알아야 하기에, 이를 역으로 설명하고 있습니다.

 

 

 

 

ü  CHAPTER 2 결정 트리

 

ü  CHAPTER 3 배깅과 랜덤 포레스트

 

ü  CHAPTER 4 그레이디언트 부스팅에서 XGBoost까지

 

 

 

4장을 마무리하면서 아래와 같은 글이 있습니다. XGBoost을 왜 배워야 하고, 적용해야 하는지, 예측 데이터셋으로 비교해보면 속도 차이가 엄청나다는 것을 알 수 있습니다.

 

 

 

 

 

 

 

 

도서의 전체적인 구성은 PART 1에서 배깅과 부스팅을,PART 2에서 XGBoost 기본 이론을, PART 3는고급 XGBoost 기법들을 배울 수 있도록 구성하였습니다. 따라서 XGBoost 자체 뿐만 아니라, Part 1/2/3 과정을 통해서기초가 되는 결정트리, 부스팅, …등과 같은기본 이론을 쉽고차근차근 배울 수 있는 도서입니다.

 

 

 

 

 

 

 

5장에서는 힉스 보손 대회를, 7장에서는외계 행성 탐사라는 주제를 다루는데, 도서가 이론 뿐만 아니라 실습에 대한 비중이 꽤 높다는 점입니다. 개인적으로 마음에 들었던 몇가지 부분이었는데, 7장의 경우 외계행성 데이터셋을 소개하면서 외계 행성 탐사 역사도 담고 있고, 데이터셋을 가지고 그래프와 분석하는 내용을담고 있습니다. 왜 책의 부제가 "캐글 고수에게배우는 실전 파이썬 머신러닝”인 것인지 알 수 있습니다.

 

 

 

 

 

 

디테일한 부가 설명 또한 본 도서가 이론을 다양한 소스로부터 배울 수 있도록 유도합니다.

 

 

 

 

 

 

 

가장 마음에 들었던 내용인데, “역자노트”를 통해 머신러닝 전문가인 역자의 풍부한 이론을 전달하기에, 본서보다가치가 높다고 생각합니다.

 

 

 

 

 

 

 

 

 

역자의 도서를 몇권 가지고 있고, 이를 통해 머신러닝을 접하다 보니역자의 출간 도서에 관심이 많았습니다. 사실 본 도서 역시 저자보다 역자를 통해 리뷰 신청을 하게 되었죠. "XGBoost와 사이킷런을 활용한 그레이디언트 부스팅”라는도서 한권을 통해 사이킷런 뿐만 아니라 결정 트리나 부스팅과 XGBoost의 초/중/고급 기술을 익힐 수 있고, 개인적으로는캐글 도전을 다시 해야 겠다는 생각이 들더군요. ^___^

 

 

 

"한빛미디어 활동을 위해서 책을 제공받아 작성된 서평입니다."