2장. 지도 학습의 개요 __2.1 소개 __2.2 변수 타입과 용어 __2.3 예측을 위한 단순한 두 접근법: 최소 제곱과 최근접이웃 __2.4 통계적 결정 이론 __2.5 고차원에서의 국소적 방법 __2.6 통계적 모델, 지도 학습 및 함수 근사60 __2.7 구조화된 회귀 모델 __2.8 제한된 추정량의 종류 __2.9 모델 선택과 편향 - 분산 상반관계 __참고문헌 __연습 문제
3장. 회귀를 위한 선형법 __3.1 소개 __3.2 선형회귀 모델과 최소제곱 __3.3 부분집합 선택 __3.4 수축법 __3.5 유도된 입력 방향을 사용하는 방법들 __3.6 논의: 선택법과 수축법 비교 __3.7 다중 결과 수축 및 선택 __3.8 라쏘 및 관련된 경로 알고리즘에 관한 추가 내용 __3.9 연산적 고려 사항 __참고문헌 __연습 문제
4장. 분류를 위한 선형법 __4.1 소개 __4.2 지시행렬의 선형회귀 __4.3 선형판별분석 __4.4 로지스틱회귀 __4.5 분리초평면 __참고문헌 __연습 문제
5장. 기저전개와 정칙화 __5.1 소개 __5.2 조각별 다항식과 스플라인 __5.3 필터링과 특성 추출 __5.4 평활 스플라인 __5.5 평활화 매개변수의 자동적 선택 __5.6 비모수적 로지스틱회귀 __5.7 다차원 스플라인 __5.8 정칙화 및 재생 커널 힐베르트 공간 __5.9 웨이블릿 평활화 __참고문헌 __연습 문제 __부록: 스플라인 연산 __B - 스플라인 __평활 스플라인의 연산
6장. 커널 평활법 __6.1 1차원 커널 평활자 __6.2 커널의 너비 선택하기 __6.3 Rp에서의 국소 회귀 __6.4 Rp에서의 구조적 국소 회귀 모델 __6.5 국소 가능도 및 다른 모델 __6.6 커널 밀도 추정 및 분류 __6.7 방사기저함수와 커널 __6.8 밀도 추정과 분류를 위한 혼합 모델 __6.9 연산 고려 사항 __참고문헌 __연습 문제
7장. 모델 평가 및 선택 __7.1 소개 __7.2 편향, 분산, 모델 복잡도 __7.3 편향-분산 분해 __7.4 훈련 오류율에 관한 낙관도 __7.5 표본-내 예측오차의 추정값 __7.6 매개변수의 유효 개수 __7.7 베이즈 접근법과 BIC __7.8 최소 설명 길이 __7.9 밥닉-체브넨키스 차원 __7.10 교차 검증 __7.11 부트스트랩법 __7.12 조건부 혹은 기대 테스트 오차 __참고문헌 __연습 문제
8장. 모델 추론과 평균화 __8.1 소개 __8.2 부트스트랩과 최대가능도 방법 __8.3 베이즈 방법 __8.4 부트스트랩과 베이즈 추정 사이의 관계 __8.5 EM 알고리즘 __8.6 사후분포로부터 표본 추출을 위한 MCMC __8.7 배깅 __8.8 모델 평균화와 스태킹 __8.9 확률적 검색: 범핑 __참고문헌 __연습 문제
9장. 가법 모델, 트리 및 관련 방법들 __9.1 일반화 가법 모델 __9.2 트리 기반 방법 __9.3 PRIM: 범프 헌팅 __9.4 MARS: 다변량 적응적 회귀 스플라인 __9.5 전문가 계층 혼합 __9.6 결측 데이터 __9.7 연산 고려 사항 __참고문헌 __연습 문제
10장. 부스팅과 가법 트리 __10.1 부스팅법 __10.2 부스팅 적합과 가법 모델 __10.3 전진 스테이지별 가법 모델링 __10.4 지수손실과 에이다 부스트 __10.5 왜 지수손실인가? __10.6 손실함수와 로버스트성 __10.7 데이터 마이닝을 위한 "기성품" 같은 과정 __10.8 예제: 스팸 데이터 __10.9 부스팅 트리 __10.10 경사 부스팅을 통한 수치적 최적화 __10.11 부스팅을 위한 적절한 크기의 트리 __10.12 정칙화 __10.13 해석 __10.14 삽화 __참고문헌 __연습 문제
11장. 신경망 __11.1 소개 __11.2 사영추적 회귀 __11.3 신경망 __11.4 신경망 적합시키기 __11.5 신경망을 훈련시킬 때의 문제 __11.6 예제: 시뮬레이션 데이터 __11.7 예제: 우편번호 데이터 __11.8 논의 __11.9 베이즈 신경망과 NIPS 2003 챌린지 __11.10 연산 고려 사항 __참고문헌 __연습 문제
12장. 서포트벡터머신과 유연한 판별식 __12.1 도입 __12.2 서포트벡터분류기 __12.3 서포트벡터머신과 커널 __12.4 선형판별분석 일반화 __12.5 유연한 판별분석 __12.6 벌점화 판별분석 __12.7 혼합판별분석 __12.8 연산 고려 사항 __참고문헌 __연습 문제
13장. 프로토타입 방법과 최근접이웃법 __13.1 개요 __13.2 프로토타입법 __13.3 K-최근접이웃 분류기 __13.4 적응적 최근접이웃법 __13.5 연산 고려 사항 __참고문헌 __연습 문제
15장. 랜덤포레스트 __15.1 개요 __15.2 랜덤포레스트의 정의 __15.3 랜덤포레스트의 세부 사항 __15.4 랜덤포레스트의 분석 __참고문헌 __연습 문제
16장. 앙상블 학습 __16.1 개요 __16.2 부스팅과 정칙화 경로 __16.3 학습 앙상블 __참고문헌 __연습 문제
17장. 무향 그래프 모델 __17.1 개요 __17.2 마코프 그래프 및 이들의 속성 __17.3 연속형 변수를 위한 무향 그래프 모델 __17.4 이산변수를 위한 무향 그래프 모델 __참고문헌 __연습 문제
18장. 고차원 문제: p≪N __18.1 p가 N보다 훨씬 클 때 __18.2 대각 선형판별분석과 최근접 수축 중심점 __18.3 이차 정칙화 선형 분류기 __18.4 L1 정칙화 선형 분류기 __18.5 특성을 쓸 수 없을 때의 분류 __18.6 고차원 회귀: 지도 주성분 __18.7 특성 평가와 다중검정 문제 __18.8 참고문헌 __연습 문제