한빛미디어

이 책은 머신러닝 모델을 개발하기 위한  전처리 과정, 모델 학습및 성능 평가에 있어서 필요한 주제및 전반적인 처리 과정을 다룬다. 

 특히 순서있는 범주형 데이터 특성 인코딩하기 , 이상치 감지및 다루기 , 특성 추출과 특성 선택을 사용한 차원 축소, 불균형한 클래스 다루기는 흥미로운 주제이다. 

 수치형, 범주형데이터 ,텍스트,이미지, 날짜와 시간데이터  다루기에서부터 다양한 머신러닝 모델을 학습하고 평가하는법을 배울 수 있다.

 - 선형 회귀, 로지스틱 회귀, 트리, 랜덤 포레스트, k-최근접 이웃

 - 서포트 벡터 머신(SVM), 나이브 베이즈, 군집, 신경망

 - 훈련된 모델의 저장과 복원 

 머신러닝 모델 개발시 궁금하거나  필요한 사항이 있다면 이 책을 통해 관련 주제를 찾고 실제 업무에 적용하는데 있어  많은 도움이 될 것이다.