데이터 전처리, 데이터 분할 등의 분석에 있어서 필수적으로 필요한 단계부터 모델 튜닝의 기초에 이르기까지, 전반적인 예측 모델 과정을 다룬다. 다양한 일반적인 회귀 및 분류 기법 대해 직관적으로 설명하고, 이에 대한 실제 데이터 문제를 예제로 들어 이해를 돕는다. 이를 통해 클래스 불균형, 예측 변수 선택, 모델 성능 원인 파악 등 실제 모델을 적용할 때 종종 맞닥뜨리게 되는 문제들에 대해서도 살펴볼 수 있다. 또한 각 예제에 대한 상세한 R 코드가 같이 실려 있어서 책의 내용을 실제로 실행해 보면서 학습할 수 있다. 이 책은 학부 및 석사과정의 예측 모델 수업용 교과서부터 실제 현업에서의 참고자료까지 예측 모델을 활용하고자 하는 여러 사람들이 다양하게 활용할 수 있을 것이다.

1장. 시작하며 __1.1 예측 대 해석 __1.2 예측 모델의 주 요소 __1.3 용어 __1.4 예제 데이터 세트와 일반적 데이터 시나리오 _음악 장르 _장학금 신청 _간 손상 _투과성 _화학 물질 제조 절차 _부정 재무 재표 _데이터 세트 비교 __1.5 개요 __1.6 표기법 2장. 예측 모델링 과정 훑어보기 __2.1 사례 연구: 연비 예측 __2.2 테마 _데이터 분할 _예측 데이터 _성능 추정 _여러 모델을 평가하기 _모델 선정 __2.3 요약 3장. 데이터 전처리 __3.1 사례 연구: 하이콘텐츠 스크리닝에서의 세포 분할 __3.2 개별 예측 변수에 대한 데이터 변형 _중심화와 척도화 _왜도 해결을 위한 변형 __3.3 여러 예측 변수 변형 _이상치 제거를 위한 데이터 변형 _데이터 축소와 특징 추출 __3.4 결측치 처리 __3.5 예측 변수 제거 _예측 변수 간의 상관관계3.6 예측 변수 추가 __3.7 예측 변수 구간화 __3.8 컴퓨팅 _변환 _필터링 _가변수 생성 _연습 문제 4장. 과적합과 모델 튜닝 __4.1 과적합 문제 __4.2 모델 튜닝 __4.3 데이터 분할 __4.4 리샘플링 기법 _K -겹 교차 검증 _일반화 교차 검증 _반복적 훈련/테스트 세트 분할 _부트스트랩 __4.5 사례 연구: 신용 평가 __4.6 최종 튜닝 변수 선정 __4.7 추천하는 데이터 분할 방식 __4.8 모델 선택 __4.9 컴퓨팅 _데이터 분할 _리샘플링 _R로 하는 기본적 모델 구축 _튜닝 변수 판단 _모델 간 비교 _연습 문제 5장. 회귀 모델 성능 측정 __5.1 성능의 정량적 측정 __5.2 분산-편향성 트레이드 오프 __5.3 컴퓨팅 6장. 선형 회귀와 이웃 모델들 __6.1 사례 연구 구조적 정량 활성 관계 모델링 __6.2 선형 회귀 _용해도 데이터에 대한 선형 회귀 __6.3 부분 최소 제곱 _용해도 데이터에 대한 PCR과 PLSR _PLS의 알고리즘 분산 __6.4 벌점 모델 __6.5 컴퓨팅 _일반 선형 회귀 _부분 최소 제곱 _벌점 회귀 모델 _연습 문제 7장 비선형 회귀 모델 __7.1 신경망 모델 __7.2 다변량 가법 회귀 스플라인 모델 __7.3 서포트 벡터 머신 __7.4 K -최근접 이웃 __7.5 컴퓨팅 _신경망 모델 _다변량 가법 회귀 스플라인서포트 벡터 머신 _K-최근접 이웃 _연습 문제 8장. 회귀 트리와 규칙 기반 모델 __8.1 기본 회귀 트리 __8.2 회귀 모델 트리 __8.3 규칙 기반 모델 __8.4 배깅 트리 __8.5 랜덤 포레스트 __8.6 부스팅 __8.7 큐비스트 __8.8 컴퓨팅 _단일 트리 _모델 트리 _배깅 트리 _랜덤 포레스트 _부스티드 트리 _큐비스트 _연습 문제 9장. 용해도 모델 정리 10장. 사례 연구: 콘크리트 혼합물의 압축 강도 __10.1 모델 구축 전략 __10.2 모델 성능 __10.3 압축 강도 최적화 __10.4 컴퓨팅 11장. 분류 모델에서의 성능 측정 __11.1 클래스 분류 _잘 보정된 확률 _클래스 확률 나타내기 _중간 지대 __11.2 분류 예측 평가 _이종 문제 _비정확도 기반 기준 __11.3 클래스 확률 평가 _시스템 동작 특성(ROC) 곡선 _리프트 도표 __11.4 컴퓨팅 _민감도와 특이도 _혼동 행렬 _시스템 동작 특성 곡선 _리프트 도표 _확률 보정 12장. 판별 분석 및 기타 선형 분류 모델 __12.1 사례 연구: 성공적인 지원금 신청 예측 __12.2 로지스틱 회귀 __12.3 선형 판별 분석 __12.4 부분 최소 제곱 판별 분석 __12.5 벌점 모델 __12.6 최근접 축소 중심 모델 __12.7 컴퓨팅 _로지스틱 회귀 _선형 판별 분석 _부분 최소 제곱 판별 분석 _벌점 모델 _최근접 축소 중심법 _연습 문제 13장. 비선형 분류 모델 __13.1 비선형 판별 분석 _이차 판별 분석과 정규 판별 분석 _혼합 판별 분석 __13.2 신경망 __13.3 유연 판별 분석 __13.4 서포트 벡터 머신 __13.5 K -최근접 이웃 모델 __13.6 나이브 베이즈 모델 __13.7 컴퓨팅 _비선형 판별 분석 _신경망 _유연 판별 분석 _서포트 벡터 머신 _K-최근접 이웃 분석 _나이브 베이즈 분석 _연습 문제 14장. 분류 트리와 규칙 기반 모델 __14.1 기본 분류 트리 __14.2 규칙 기반 모델 _C4.5 규칙 _PART __14.3 배깅 트리 __14.4 랜덤 포레스트 __14.5 부스팅 _에이다부스트 _확률 경사 부스팅 __14.6 C5.0 _분류 트리 _분류 규칙 _부스팅 _모델의 다른 측면 _보조금 데이터 __14.7 범주형 변수의 두 가지 변조 방식 비교 __14.8 컴퓨팅 _분류 트리 _규칙배깅 트리 _랜덤 포레스트 _부스티드 트리 _연습 문제 15장. 보조금 지원 모델 살펴보기 16장. 심각한 클래스 불균형 처리하기 __16.1 사례 연구: 이동식 주택 보험 가입 예측 __16.2 클래스 불균형의 영향 __16.3 모델 튜닝 __16.4 대체 한도 __16.5 사전 확률 보정 __16.6 다른 경우별 가중치 __16.7 샘플링 기법 __16.8 비용 민감 훈련 __16.9 컴퓨팅 _대체 한도 _샘플링 기법 _비용 민감 훈련 _연습 문제 17장. 사례 연구: 작업 스케줄링 __17.1 데이터 분할과 모델 전략 __17.2 결과 __17.3 컴퓨팅 18장. 예측 변수 중요도 측정하기 __18.1 수치형 결과 __18.2 범주형 결과 __18.3 다른 방법 __18.4 컴퓨팅 _수치형 결과 _변수형 결과 _모델 기반 중요도 _연습 문제 19장. 특징 선택 입문 __19.1 비정보성 예측 변수 사용의 결과 __19.2 변수 수를 줄이는 방식 __19.3 래퍼 방법 _전진, 후진, 단계적 선택법 _담금질 기법 _유전 알고리즘 __19.4 필터 방법 __19.5 선택 편향 __19.6 사례 연구: 인지 장애 예측 __19.7 컴퓨팅 _전진, 후진, 단계적 선택법 _반복 특징 제거 _필터 방법 _연습 문제 20장. 모델 성능에 영향을 미치는 요인 __20.1 삼종 오류 __20.2 결과의 측정 오차 __20.3 예측 변수에서의 측정 오차 _사례 연구: 원치 않는 부작용 예측 __20.4 연속형 결과를 이산화하기 __20.5 언제 모델의 예측값을 믿어야 할까? __20.6 샘플이 클 때의 영향 __20.7 컴퓨팅 _연습 문제 부록 A. 여러 모델에 대한 요약 부록 B. R에 대한 소개 __1B.1 시작 및 도움말 __1B.2 패키지 __1B.3 객체 생성 __1B.4 데이터 유형과 기본 구조 __1B.5 2차원 데이터 세트로 작업하기 __1B.6 객체와 클래스 __1B.7 R 함수 __1B.8 =의 3개 얼굴 __1B.9 AppliedPredictiveModeling 패키지 __B.10 caret 패키지 __B.11 이 책에서 사용된 소프트웨어 부록 C. 유용한 웹 사이트 _소프트웨어 _대회 _데이터 세트