Found out Jordi Warmenhoven had earlier supplied us with a great python version of ISLR

ISLR-with-Python

Introduction to Statistical Learning in R (ISLR)을 Python으로

• 강의 슬라이드나 관련 자료가 함께 있음

1장 - Introduction

• 인공지능, 머신러닝, 데이터사이언스, 예측분석을 간단히...
• 비디오

2장 - Statistical Learning

• Supervised Learning 소개
• 비디오 1
• 비디오 2

3장 - Linear Regression

• statsmodel 패키지 사용하여
• scikit-learn의 OLS estimator 사용하여

4장 - Classification

• Logistic Regression : scikit-learn estimator와 statsmodels 라이브러리 사용하여,
• KNN Regression과 Classification : scikit-learn estimator 사용하여,
• Regressor 평가 (Evaluation Metric) : MAE, MSE, RMSE
• Classifier 평가 : Confusion Matrix, ROC, AUC
• Train/Test Split 방법, Cross-Validated AUC 짧은 소개

5장 - Resampling Methods : Model Evaluation

• Validation Set Approach (Train/Test Split)
• K-Fold Cross Validation
  • Regression Model의 Test MSE 추정
  • Hyper Parameter 튜닝 : KNN Regression 에서 K 선정
  • Classification Model에서 Cross-Validated AUC 계산

8장 - Tree based Methods

• Decision Tree (의사결정 트리)
• Random Forest
• Gradient Boosting

9장 - Support Vector Machines

• Support Vector Machine
• Grid Search CV를 통한 Test Performance 추정 및 패러미터 튜닝
• Randomized Search CV를 통한 Test Performance 추정 및 패러미터 튜닝
• Gradient Boosting, SVM, Grid Search CV 및 Randomized Search CV 이용한 실제적 실습

Regression과 Classification 사용을 익히고, Cross-Validation 또는 Train/Test split을 통해 Test Performance 추정과 패러미터 튜닝

10장 - Unsupervised Learning

• Principal Component Analysis (PCA)
  • 간단히 직접 PCA를 만들어 PCA 이해
  • scikit-learn PCA 사용하기
• Clustering
  • K-Means
  • scikit-learn의 Hierarchical Clustering
  • SciPy의 Hierarchical Clustering
• 실습 - NCI60 데이터 활용
  • NCI60에 PCA 적용하기
  • NCI60에 Clustering 적용
    • 전체 데이터
    • Principal Component에 대해
  • NCI60에 Classification 실행 - Gene Expression으로 종양 타입 예측
    • Principal Component 활용
    • Gradient Boosting Machine 활용
    • Grid Search CV를 활용해 최적 패러미터 탐색

Preprocessing for scikit-learn

• scikit-learn의 LinearRegression estimator에 적용하기 위해
• categorical 변수, polynomial regression, interaction preprocessing