한빛미디어



딥러닝 관련 공부만 하다가 머신러닝 최신 기법들을 놓치고 있다는 생각이 들어 공부해야지 생각만 하고 미루고 있었다. 특히 XGBoost는 캐글 등 여러 공모전에서 제일 많이 쓰이는 알고리즘인데, 아직까지 잘 모르고 있었다. 그러던 중에 좋은 기회가 생겨 이 책을 보게 되었다.

기본적으로 XGBoost는 그레디언트 부스팅으로부터 시작된다. 결정 트리는 잘 일반화되지 못하여 배깅과 부스팅을 통해 앙상블하여 문제를 해결하고자 하였다. 이러한 앙상블 모델 중에 가장 우수한 모델이 그레이디언트 부스팅이다. 이를 더 향상시킨 것이 XGBoost이다.

책에서는 기본적인 결정 트리, 배깅, 부스팅의 개념을 친절하게 설명하고 실제 데이터에 적용하며 차근차근 XGBoost에 이르게끔 해준다. (코랩에서 실습이 가능하다.) 친절하게 개념 설명과 수식 설명도 되어 있고, 안의 하이퍼파라미터들도 잘 설명이 되어 있어 나에게는 많은 도움이 되었다. 캐글 마스터의 XGBoost 사용 시 유용한 스킬에 대해서도 배울 수 있어서 이런 점은 정말 좋았다.

그렇지만 너무 자세하게 나와 있다는 생각도 조금 든다! 시간이 많이 있는 사람들에게는 완전 강추하는 책이지만 프로젝트에 많이 써서 궁금한 정도라면 필요한 부분만 골라서 읽는 것도 나쁘지 않은 것 같다.