Detail View

R은 통계 및 기계 학습을 위한 프로그래밍 언어다. 이 책은 통계, 기계 학습, 프로그래밍의 세 가지 키워드 중 프로그래밍 언어에 중점을 두고 R을 능숙하게 사용하는 방법을 설명한다. 이어서 데이터 시각화, 통계 및 기계 학습에 대한 간결한 이론 설명과 함께 이를 코드로 작성하는 방법을 설명한다.

대부분의 데이터 분석 또는 모델링에서 데이터를 처리하는 과정에 많은 시간과 노력이 소요되며 간단한 프로그래밍 문제에 부딪쳐 진도가 나가지 않는 경우가 종종 있음을 생각해보면 프로그래밍에 중심을 둔 접근 방법이 반드시 필요하다. 또 프로그래밍 측면에서 코드를 다루므로 코드의 수행시간을 중요하게 다룬다. 따라서 더 빠르고 효율적인 분석 방법을 배울 수 있다.

R은 통계 및 기계 학습을 위한 프로그래밍 언어다. 이 책은 통계, 기계 학습, 프로그래밍의 세 가지 키워드 중 프로그래밍 언어에 중점을 두고 R을 능숙하게 사용하는 방법을 설명한다. 이어서 데이터 시각화, 통계 및 기계 학습에 대한 간결한 이론 설명과 함께 이를 코드로 작성하는 방법을 설명한다.
대부분의 데이터 분석 또는 모델링에서 데이터를 처리하는 과정에 많은 시간과 노력이 소요되며 간단한 프로그래밍 문제에 부딪쳐 진도가 나가지 않는 경우가 종종 있음을 생각해보면 프로그래밍에 중심을 둔 접근 방법이 반드시 필요하다. 또 프로그래밍 측면에서 코드를 다루므로 코드의 수행시간을 중요하게 다룬다. 따라서 더 빠르고 효율적인 분석 방법을 배울 수 있다.

효율적인 데이터 처리와 분석을 위한 R 프로그래밍 실습서!

R 프로그래밍에 능숙해야 더 빠르고 효율적인 분석이 가능하다
데이터 분석 또는 모델링에서 데이터를 조작하고 처리하는 과정에 많은 시간과 노력이 소요되며, 간단한 프로그래밍 문제에 부딪쳐 진도가 나가지 않는 경우도 있다. 이 책은 효율적으로 데이터를 분석할 수 있는 능력을 키울 수 있게 프로그래밍에 중점을 두고 R을 능숙하게 사용하는 방법을 설명한다.

R 기본부터 실제 데이터 분석까지 실습으로 익힌다
쉽게 로딩해서 실행해 볼 수 있는 R의 기본 데이터 셋부터 실제 업무에 적용하기 위한 통계 분석, 데이터 마이닝, 기계 학습에 대한 분석 모델 및 알고리즘과 같은 더 실제적이고 실용적인 예까지 실습을 통해 학습할 수 있다.

저자의 실무와 학습 경험을 통해서 데이터 분석 과정의 다양한 문제를 해결한다
저자가 R을 배우고 활용하면서 답답했던 문제를 해결하기 위해 노력했던 결과가 담겨 있다. 문법도 이해했고 책도 읽었는데 막상 데이터를 갖다놓으면 막막하고, 데이터를 분석하려고 할 때마다 방법을 몰라 구글 검색으로 찾아서 해결했던 바로 그 문제들에 대한 답들이 정리되어 있다.

Information Provided By: :

목차
추천평 = 3
머리말 = 4
이 책의 구성 = 6
1장 R 프로그래밍을 위한 환경 준비하기 = 17
 01 왜 R인가 = 18
 02 R 설치하기 = 19
  윈도우에서 설치하기 = 20
  리눅스에서 설치하기 = 22
  맥 OS X에서 설치하기 = 29
 03 R 시작하기 = 33
 04 도움말 보기 = 34
 05 IDE 살펴보기 = 38 
 06 배치 실행 = 40 
 07 패키지 사용하기 = 41
 참고자료 = 44
2장 데이터 타입 = 45
 01 변수 = 46
  변수 이름 규칙 = 46
  변숫값 할당 = 46
 02 함수 호출 시 인자 지정 = 47
 03 스칼라 = 49
  숫자 = 49
  NA = 49 
  NULL = 50 
  문자열 = 51
  진릿값 = 52
  팩터 = 53
 04 벡터 = 57
  벡터 생성 = 57
  벡터 내 데이터 접근 = 59
  벡터 연산 = 62
  연속된 숫자로 구성된 벡터 = 64
  반복된 값을 저장한 벡터 = 66
 05 리스트 = 67 
  리스트의 생성 = 67 
  리스트 내 데이터 접근 = 68
 06 행렬 = 69
  행렬의 생성 = 69
  행렬 내 데이터 접근 = 72
  행렬의 연산 = 74
 07 배열 = 78
  배열 생성 = 78
  배열 데이터 접근 = 79
 08 데이터 프레임 = 80
  데이터 프레임 생성 = 81
  데이터 프레임 접근 = 84 
  유틸리티 함수 = 86 
 09 타입 판별 = 89
 10 타입 변환 = 90
 참고자료 = 93
3장 R 프로그래밍 = 95
 01 R의 특징 = 96
 02 흐름 제어(조건문과 반복문) = 97
  if = 97
  반복문 = 98
 03 연산 = 101
  수치 연산 = 101
  벡터 연산 = 102 
  NA의 처리 = 103
 04 함수의 정의 = 106
  기본 정의 = 106
  가변 길이 인자 = 107
  중첩 함수 = 108
 05 스코프 = 109
 06 값에 의한 전달 = 113
 07 객체의 불변성 = 115 
 08 모듈 패턴 = 117
  큐 = 118
  큐 모듈 작성하기 = 119 
 참고자료 = 121
4장 데이터 조작 Ⅰ: 벡터 기반 처리와 외부 데이터 처리 = 123
 01 아이리스 데이터 = 124
 02 파일 입출력 = 127
  CSV 파일 입출력 = 127
  객체의 파일 입출력 = 131
 03 데이터 프레임의 행과 컬럼 합치기 = 132
 04 apply 계열 함수 = 135
  apply() = 135
  lapply() = 138
  sapply() = 142 
  tapply() = 144 
  mapply() = 146
 05 데이터를 그룹으로 묶은 후 함수 호출하기 = 149
  summaryBy() = 149
  orderBy() = 152
  sampleBy() = 155
 06 데이터 분리 및 병합 = 157
  split() = 158
  subset() = 159
  데이터 병합 = 161
 07 데이터 정렬 = 163 
  sort() = 163
  order() = 164
 08 데이터 프레임 컬럼 접근 = 165
  with() = 166
  within() = 166
  attach(), detach() = 169
 09 조건에 맞는 데이터의 색인 찾기 = 171
 10 그룹별 연산 = 173
 11 편리한 처리를 위한 데이터의 재표현 = 174
 12 MySQL 연동 = 177
  MySQL 및 RMySQL 환경 설정 = 177 
  RMySQL을 사용한 MySQL 입출력 = 187
 참고자료 = 188
5장 데이터 조작 Ⅱ: 데이터 처리 및 가공 = 189
 01 데이터 처리 및 가공 패키지 = 190
 02 SQL을 사용한 데이터 처리 = 190
 03 분할, 적용, 재조합을 통한 데이터 분석 = 193
  adply() = 194
  ddply() = 196
  그룹마다 연산을 쉽게 수행하기 = 198
  mdply() = 201
 04 데이터 구조의 변형과 요약 = 203 
  melt() = 204
  cast() = 207
  데이터 요약 = 207
 05 데이터 테이블: 더 빠르고 편리한 데이터 프레임 = 210
  데이터 테이블 생성 = 210
  데이터 접근과 그룹 연산 = 212
  key를 사용한 빠른 데이터 접근 = 215
  key를 사용한 데이터 테이블 병합 = 218
  참조를 사용한 데이터 수정 = 220
  리스트를 데이터 프레임으로 변환하기 = 221
 06 더 나은 반복문 = 224 
 07 병렬 처리 = 226
  프로세스의 수 설정 = 226
  plyr의 병렬화 = 228
  foreach의 병렬화 = 231
 08 유닛 테스팅과 디버깅 = 232
  testthat = 232
  test_that을 사용한 테스트 그룹화 = 234
  테스트 파일 구조 = 235
  디버깅 = 237
 09 코드 수행 시간 측정 = 244
  명령문 실행 시간의 측정 = 245 
  코드 프로파일링 = 246
 참고자료 = 249
6장 그래프 = 251
 01 산점도 = 252
 02 그래프 옵션 = 254
  축 이름(xlab, ylab) = 254
  그래프 제목(main) = 255
  점의 종류(pch) = 256
  점의 크기(cex) = 257
  색상(col) = 258
  좌표축 값의 범위(xlim, ylim) = 259 
  그래프 유형(type) = 260
  선 유형(lty) = 263
  그래프의 배열 = 264
  지터 = 265
 03 기본 그래프 = 267
  점(points) = 267
  꺾은선(lines) = 269
  직선(abline) = 272
  곡선(curve) = 273
  다각형(polygon) = 274
 04 문자열(text) = 278 
 05 그래프에 그려진 데이터의 식별(identify) = 280
 06 범례(legend) = 281
 07 행렬에 저장된 데이터 그리기(matplot, matlines, matpoints) = 282
 08 응용 그래프 = 284
  상자 그림(boxplot) = 284
  히스토그램(hist) = 288
  밀도 그림(density) = 291
  막대 그래프(barplot) = 293
  파이 그래프(pie) = 294
  모자이크 플롯(mosaicplot) = 296 
  산점도 행렬(pairs) = 299
  투시도(persp), 등고선 그래프(contour) = 301
 참고자료 = 304
7장 통계 분석 = 305
 01 난수 생성 및 분포 함수 = 306
 02 기초 통계량 = 309
  표본 평균, 표본 분산, 표본 표준 편차 = 310
  다섯 수치 요약 = 311
  최빈값 = 312
 03 표본 추출 = 313
  단순 임의 추출 = 314 
  가중치를 고려한 표본 추출 = 315
  층화 임의 추출 = 316
  계통 추출 = 319
 04 분할표 = 320
  분할표 작성 = 321
  합, 비율의 계산 = 322
  독립성 검정 = 324
  피셔의 정확 검정 = 330
  맥니마 검정 = 331
 05 적합도 검정 = 335
  카이 제곱 검정 = 335 
  샤피로 윌크 검정 = 336
  콜모고로프 스미르노프 검정 = 336
  Q-Q도 = 339
 06 상관 분석 = 342
  피어슨 상관 계수 = 343
  스피어만 상관 계수 = 347
  켄달의 순위 상관 계수 = 349
  상관 계수 검정 = 350
 07 추정 및 검정 = 351
  일표본 평균 = 352
  독립 이표본 평균 = 355 
  짝지은 이표본 평균 = 359
  이표본 분산 = 362
  일표본 비율 = 363
  이표본 비율 = 366
 참고자료 = 367
8장 선형 회귀 = 369
 01 선형 회귀의 기본 가정 = 370
 02 단순 선형 회귀 = 371
  모델 생성 = 371
  선형 회귀 결과 추출 = 372
  예측과 신뢰 구간 = 374 
  모델 평가 = 376
  분산 분석 및 모델 간의 비교 = 380
  모델 진단 그래프 = 382
  회귀 직선의 시각화 = 384
 03 중선형 회귀 = 386
  모델 생성 및 평가 = 386
  범주형 변수 = 387
  중선형 회귀 모델의 시각화 = 390
  표현식을 위한 Ⅰ()의 사용 = 392
  변수의 변환 = 394
  상호 작용 = 395  
 04 이상치 = 402
 05 변수 선택 = 404
  변수 선택 방법 = 404
  모든 경우에 대한 비교 = 409
 참고자료 = 412
9장 분류 알고리즘 Ⅰ: 데이터 탐색, 전처리, 모델 평가 방법 설정 = 415
 01 데이터 탐색 = 416
  기술 통계 = 416
  데이터 시각화 = 422
 02 전처리 = 425 
  데이터 변환 = 425
  결측치의 처리 = 432
  변수 선택 = 436
 03 모델 평가 방법 = 447
  평가 메트릭 = 447
  ROC 커브 = 450
  교차 검증 = 456
 참고자료 = 469
10장 분류 알고리즘 Ⅱ: 기계 학습 알고리즘 = 471
 01 로지스틱 회귀 모델 = 472
 02 다항 로지스틱 회귀 분석 = 476 
 03 의사 결정 나무 = 480
  의사 결정 나무 모델 = 480
  분류와 회귀 나무 = 482
  조건부 추론 나무 = 485
  랜덤 포레스트 = 488
 04 신경망 = 495
  신경망 모델 = 495
  신경망 모델 학습 = 498
 05 서포트 벡터 머신 = 502
  서포트 벡터 머신 모델 = 502
  서포트 벡터 머신 학습 = 504 
 06 클래스 불균형 = 509
  업 샘플링, 다운 샘플링 = 510
  SMOTE = 513
 07 문서 분류 = 515
  코퍼스와 문서 = 515
  문서 변환 = 516
  문서의 행렬 표현 = 518
  빈번한 단어 = 521
  단어 간 상관관계 = 522
  문서 분류 = 523
  파일로부터 코퍼스 생성 = 525 
  메타 데이터 = 528
 08 caret 패키지 = 532
 참고자료 = 536
11장 타이타닉 데이터를 사용한 기계 학습 실습 = 539
 01 타이타닉 데이터 형식 = 540
 02 데이터 불러오기 = 540
  데이터 타입 지정 = 542
  테스트 데이터의 분리 = 544
  교차 검증 준비 = 545 
 03 데이터 탐색 = 548
 04 평가 메트릭 = 552 
 05 의사 결정 나무 모델 = 552
  rpart의 교차 검증 = 553
  정확도 평가 = 555
  조건부 추론 나무 = 556
 06 또 다른 특징의 발견 = 557
  ticket을 사용한 가족 식별 = 558
  생존 확률 예측 = 559
  가족 ID 부여 = 560
  가족 구성원 생존 확률의 병합 = 562
  가족 정보를 사용한 ctree() 모델링 = 565
  성능 평가 = 566 
 07 교차 검증의 병렬화 = 569
  10겹 교차 검증의 3회 반복 수행 = 569
  foreach()와 ％dopar％를 사용한 병렬화 = 571
 08 더 나은 알고리즘의 개발 = 572
 참고자료 = 573
찾아보기 = 574