R 프로그래밍 [실무] - 총 19시간 5분 / 강의당평균 : 57분15초

R 프로그래밍 [실무]

전체 : 19시간 5분 / 강의당평균 : 57분15초

01 확률분포(연속형 확률분포)

정규분포, 지수분포, 균등분포, t-분포, 신뢰구간의 의미에 대해서 설명합니다.

58분

책갈피 : [00:04] R_programming 설명 / [00:54] 확률분포 / [01:13] 연속형 확률분포 / [01:22] 연속형 확률분포의 R명칭 / [02:17] 정규분포(norm) / [02:26] 밀도 함수 / [02:30] 누적분포 함수 / [02:32] 분위수 함수 / [02:33] 난수발생 함수 / [02:52] 확률분포에 R명칭 적용 / [03:12] 함수사용방법 정확히 알고싶을때 / [03:18] 알컴애드창에 ?함수이름 설정 / [03:30] 함수에 대한 설명 확인 / [03:39] 필요한 인자 표시 / [03:57] X확률변수값, mean값,sd값 필요 / [04:27] 지정값 확인 / [04:56] 예제보기 / [05:07] X축에 들어갈 확률변수값지정 / [05:22] 밀도값 Y축으로 설정 / [05:27] 예제 코드 실행 / [05:32] Seq 함수 / [06:12] X값을 인풋으로 dnorm함수 수행 / [06:22] 예제 코드 실행 / [06:38] 예제 plot(x=x, y=dnorm(x))값 설정 / [07:03] 예제 코드 실행 / [07:40] 선타입변경 그림제목설정파라미터추가 / [07:52] Type="l" main=그림제목 설정 / [08:40] 예제2로 그래프그리기 / [08:50] 알컴앤드창에 ?plot.function 입력 / [09:01] Plot 함수는 curve 함수와 동일사용 / [09:35] 예제2 plot(dnorm,-3,3)값 설정 / [09:52] 예제 코드 실행 / [10:13] 예제1 예제2 동시에 실행 / [10:31] 동시사용시 par 함수 사용 / [10:57] Par(mfrow) 예제보기 / [11:47] Par(mfcol) 함수 / [11:58] 예제 코드 실행 / [12:14] 정규분포의 확률밀도함수 / [12:28] Plot에 dnorm 함수에 평균인자, 표준편차 지정 / [12:52] Plot에 dnorm 함수에 평균값, 표준편차값 지정 / [13:12] 예제 코드 실행 / [13:21] 사용한 파라미터 확인 / [13:25] Ylab 함수 / [13:50] Text와 mtext 함수비교설명 / [14:34] ｅxpression 함수 사용 / [15:17] Cex파라미터 / [15:58] 누적분포함수(pnorm) / [16:14] 그래프 예제 / [16:53] 학률밀도함수와 누적분포함수의 관계 / [17:09] 1차원 함수 수치접근 integrate / [17:19] 무한대(infinity)는 inf로 표시 / [17:31] 예제1번 코드 실행 / [17:52] 예제2번 lower.tail 옵션사용 / [18:08] Lower.tail 사용결과 설명 / [19:27] 예제2번 코드 실행 / [19:40] 예제3번 pnorm코드를 그래프수행 / [20:17] 예제3번 코드 실행 / [20:29] 분위수 함수 / [20:57] 실제 사용코드로 설명 / [21:15] Qnorm 함수 사용 / [21:27] 예제보기 / [22:05] Qnorm 함수 적용 / [22:54] 예제 코드 실행 / [23:12] 난수 발생 / [23:38] 1000개 랜덤한 샘플 추출코드 / [24:01] 추출한 결과 x에 넣고 hist로 확인 / [24:13] 예제 코드 실행 / [24:54] 빈도수로 histogram 그리기 / [24:57] Ferq=f로 지정으로 밀도그래프 / [25:18] Histogram 값과 표준정규분포 겹치기 / [25:34] Plot 함수에 add값 / [26:10] Layout 함수 사용 / [26:27] Matrix / [27:21] 지수분포 / [27:38] 지수분포의 예 / [28:28] 함수의 기본적인 사용방법 / [28:50] Rate값 / [29:22] 지수분포의 밀도함수 그래프 생성 / [29:36] Plot 함수에 rate=3 / [29:51] Plat 함수에 rate=2 col,lty 지정 / [30:33] Plat 함수에 rate=1 col,lty 지정 / [31:02] Legend 함수 / [31:23] Legend 위치 지정 / [31:41] Legend 내용 지정 / [32:02] Legend 순서에 맞춰서 col, lty값 지정 / [32:53] 예제 코드 실행 / [33:32] 지수분포의 누적분포함수사용방법 / [33:39] 정규분포와 지수분포의 누적분포함수 차이점 / [34:15] 예제보기 / [35:56] Pexp(q=5 ,rate=1/5,lower.tail) 코드 실행 / [36:14] 예제문제값 변경 / [36:38] Pexp(10,rate=1/5)-pext(5, rate-1/5) 코드 실행 / [37:17] 균등분포 / [38:26] 각분포들의 모수 / [38:50] 예제보기 / [39:00] Runif(n=25) / [39:40] 균등분포에 밀도함수 겹쳐서 생성 / [40:09] Breaks 옵션 / [40:20] 예제 코드 실행 / [41:01] 예제 2번 수행 / [41:20] M.list 벡터에 입력 / [41:55] Mfrow로 2개의 행과 2개의 열로 나누기 / [42:09] 예제 코드 실행 / [43:13] T분포 / [44:03] T분포의 확률밀도함수 / [44:35] Plot 에 add 옵션 이용 / [45:00] 각예제별로 col,lty 다르게지정 / [45:15] 예제 코드 실행 / [46:04] 표본분포 모의실험 / [46:34] 표본의 크기, 반복횟수 지정 / [47:02] Xsample로 T값계산 / [48:30] 예제 코드 실행 / [48:55] 신뢰구간에서 신뢰계수의 의미 예제 / [49:28] 신뢰계수 / [50:14] Upper, lower 실현 / [51:05] 신뢰구간구하기 모의실험 / [51:49] Mu 평균판단 index 변수에 저장 / [52:32] Mtext 지정 / [52:55] 예제 코드 실행 / [54:31] Segments 함수 / [54:47] I,lower, i,upper 연결선 plot에 추가 / [54:58] Egments r 기본사용방법 / [55:25] Col,lty를 index값에 의존해 맞춤 / [56:03] 예제 코드 실행 / [57:04] 반복횟수 수정 / [57:05] 예제 코드 실행 / [57:25] Paste 함수

02 확률분포(이산형 확률분포)

베르누이 분포/이항분포/포아송 분포/초기하분포/일변량 데이터의 정리/범주형 데이터를 위한 막대그림, 파이그림, 점그림/연속형 데이터를 위한 그래프/줄기-잎 그림, 상자그림

1시간 1분

책갈피 : [00:07] 이산형 확률분포 / [00:12] 이산형 확률분포의 R명칭 / [00:37] 이항분포(binnom) / [00:36] 이항분포의 모수 size / [00:46] prob / [00:54] 베르누이 시행의 조건 / [01:36] 베르누이 시행 코드 / [02:28] 코드 실행 / [03:28] 이항분포관련함수의 사용법 / [03:52] 이항분포의 예제 / [06:42] 예제코드 실행 / [07:43] 확률문제를 dbinom,pbinom이용 / [08:03] 성공횟수가 5번일 확률 예제 / [08:26] 예제코드 실행 / [08:44] 성공횟수가 6번 이하일 확률 예제 / [09:31] 예제코드 실행 / [09:43] 성공횟수가 7번 이상일 확률 예제 / [11:12] 예제코드 실행 / [11:49] n의 크기에 따른 이항분포의 밀도함수 / [13:07] 실행코드값 그래프로 확인 / [14:15] 그래프의 plot값 / [14:35] N=10 : p=0.2일 경우 / [15:02] N=10 ; p=0.7일경우 / [15:22] N=100 : p=0.2일 경우 / [15:59] For문을 이용하여 그래프그리기 / [17:08] 예제코드 실행 / [17:45] 함수 Rbinom 베르누이 시행 / [18:20] 코드 실행 / [19:00] 포아송분포의 R함수 사용방법 / [19:12] 지수분포(exp) / [19:29] 포아송분포(pois) / [20:27] lambda값 / [20:45] 포아송분포와 관련된 확률문제 / [21:36] ppois 함수 / [22:44] 예제코드 실행 / [23:54] 포아송분포 예제 / [23:57] n=10; p=01일 경우 / [24:10] n=100 ; p=0.01일경우 / [24:30] 예제코드 실행 / [24:55] 초기하분포(hyper) / [26:11] 초기하분포와 이항분포의 차이점 / [27:04] 초기하분포 예제 / [27:13] m=5 :n=10: p=m/(n+m)일 경우 / [27:15] m=1000; n=2000일경우 / [27:58] 예제코드 실행 / [28:19] 물고기 개체수 추정 절차 예제 / [30:35] p.1 변수 / [30:53] Which.max 함수 / [31:05] Which.max 함수 사용예제 / [31:05] 예제코드 실행 / [31:55] abline 함수 / [32:29] 예제코드 실행 / [33:14] 일변량 데이터관련 함수 / [34:10] 일변량 범주형 데이터 / [34:19] 명목형 데이터 / [34:34] 순서형 데이터 / [35:08] 막대그림 그래프(barplot) / [36:22] State.region 요인정보 사용예제 / [36:39] State.region 데이터 내용 / [37:19] 예제코드 실행 / [37:46] Horiz=TRUE 옵션 사용 / [38:05] 예제코드 실행 / [38:19] 범주형 데이터가 factor인 경우 / [38:51] state.region에 class함수 적용 / [39:29] 예제코드 실행 / [39:40] mtcars 데이터프레임 사용 / [39:57] mtcars 데이터 내용 / [40:59] names.arg 옵션사용 / [41:32] 예제코드 실행 / [41:56] 범주형데이터를 파이그림(pie) / [43:29] State.region데이터 이용 pie그래프생성 / [43:55] 예제코드 실행 / [44:49] pct사용 / [44:59] 문자형백터 my.label이용 / [45:19] pie에 col인자 적용 / [45:40] 예제코드 실행 / [46:02] plotrix 패키지 불러오기 / [46:17] pie3D 함수 / [46:39] 예제코드 실행 / [46:52] explod 옵션 / [47:18] fan.plot 함수적용 / [47:27] 예제코드 실행 / [48:19] 점그림(dotchart) / [49:13] pie그래프 예제를 이용할 경우 dotchart에 오류 확인 / [49:40] table함수에 counts 속성살펴보기 / [49:55] 예제코드 실행 / [50:49] as.numeric 도수 분포표에 속성변경 / [51:13] 예제코드 실행 / [51:34] 일변량 연속형 데이터를 위한 그래프 / [52:31] 줄기-잎 그림 / [53:03] 줄기-잎 그림은 stem함수사용 / [53:49] women데이터 프레임이용 / [54:02] women데이터 불러오기 / [54:21] Attach함수 / [54:39] 예제코드 실행 / [54:59] stem에 scale을 이용하여 그래프늘리기 / [55:26] 예제코드 실행 / [56:02] 상자그림 그래프 / [56:57] 상자그림 표시형식 두가지 / [57:38] 상자그림(boxplot) / [58:38] Alltime.moies 데이터사용 / [58:51] 패키지 UsingR / [59:03] Alltime.moies 데이터 불러오기 / [01:00:17] 예제코드 실행 / [01:00:54] my-box=boxplot(gross)객체할당

03 연속형 데이터를 위한 그래프, 데이터의 요약통계, 일변량 데이터

상자그림/히스토그램/커널밀도추정그림/데이터 중심에 대한 요약통계/데이터 퍼짐에 대한 요약통계/일변량 데이터와 관련된 통계적 추론/모평균에 대한 검정 및 신뢰구간 추정/모비율에 대한 검정 및 신뢰구간 추정/정규성 검정, 분포중심에 대한 비모수 검정

57분

책갈피 : [00:04] My_box 변수의 할당량 출력 / [00:22] 예제코드 실행 / [00:28] 개체안에 들어있는 name / [00:43] 구성 리스트 / [00:57] Stats / [01:26] Out / [01:51] %in% 연산자 / [02:14] %in% 연산자 기능 / [02:49] 예제코드 실행 / [02:58] %in% 결과를 대괄호 안에 입력 / [03:16] 예제2번 / [03:43] 예제코드 실행 / [03:58] 히스토그램 / [04:11] 히스토그램 작성방법 / [04:39] Hist함수 / [04:45] Hist함수 사용방법 / [05:12] 각 구간을 나누는 점들로 이루어진 벡터 / [05:20] 각 구간의 개수를 표시하는 하나의 숫자 / [05:33] 각 구간의 개수를 계산하는 알고리즘을 칭하는 문자열 / [05:54] 기본예제코드 실행 / [06:12] 구간을 바꾼 예제코드 실행 / [06:38] Freq 옵션 / [06:59] Probability 옵션 / [07:13] Freq 옵션과 Probability 옵션 비교예제 / [07:40] 예제코드 실행 / [08:19] 줄기-잎 그림의 한계 / [08:24] 상자그림의 한계 / [08:50] 히스토그램의 한계 / [09:02] 커널밀도추정그림 / [09:33] Density 함수 / [09:44] Faithful 데이터 / [09:50] Faithful 데이터 확인 / [10:28] Density 함수결과 fit개체에 할당 / [10:37] 예제코드 실행 / [11:23] 기본 plot함수 실행 / [11:33] 예제코드 실행결과 확인 / [11:52] polygon함수에 col옵션 추가 / [12:35] Rug함수 / [12:46] 예제코드 실행 / [13:33] Jitter 함수 / [14:06] 히스토그램에 커널밀도추정그림 겹쳐그리기 / [14:51] Hist함수를 확률밀도로 표현 / [15:06] Rug함수 / [15:14] Ddensity함수 / [15:27] 예제코드 실행 / [15:42] 상자그림의 한계를 완화 / [15:54] Violin plot / [16:01] Vioplot 패키지 설치 / [16:18] 예제코드 실행 / [17:14] Horizontal 옵션 결과 설명 / [18:01] 일변량 데이터의 요약통계 / [18:34] 데이터 중심에 대한 요약통계 / [18:53] Mean, Median 함수 / [19:02] Faithful의 변수 waiting / [19:14] 연속형데이터에서의 최빈값 / [19:33] 최빈값 계산법 / [20:09] 예제코드 실행 / [20:38] 데이터에 결측값이 포함되어 있는 경우 / [20:54] Airquality변수인 Ozone / [21:04] 예제코드 실행 / [21:35] Na.rm 옵션 / [21:56] 예제코드 실행 / [22:15] Rm(remove) / [22:33] 치우친 분포의 그래프 및 요약통계량 / [23:31] Cfb데이터 확인 / [23:56] Income 평균값과 중앙값의 차이 / [23:59] 예제코드 실행 / [24:20] 실행결과를 Hist과 커널추정그림으로 확인 / [24:34] 예제코드 실행 / [25:06] Log변환시 주의사항 / [25:24] 예제코드 실행 / [26:10] 실행결과를 Hist과 커널추정그림으로 확인 / [27:21] 데이터 퍼짐에 대한 요약통계 / [27:42] 범위(range) / [28:00] 예제코드 실행 / [28:22] 사분위범위(Interquartile range) / [28:38] Quantile 함수 / [28:54] 예제코드 실행 / [29:16] IQR함수 / [29:34] 예제코드 실행 / [29:53] 표준편차(Standrd deviation), 분산(Variance) / [30:31] Var, sd함수 / [30:42] 예제코드 실행 / [31:03] 일변량 데이터와 관련된 통계적 추론 / [31:18] 단일 모집단의 모평균에 대한 검정 및 신뢰구간 추정 / [31:49] T-test함수 / [31:46] Alternative 함수 / [32:29] 예제문제 실습 / [33:15] t.test(x, alternative="less",mu=17) / [33:41] 주어진가설에 대한 t.test함수 / [33:43] 예제코드 실행 / [34:27] 95% 신뢰구간 계산 / [34:46] Alternative옵션이 two.sided로 변경 / [35:14] 수행결과를 res1에 할당 / [35:24] 예제코드 실행 / [35:46] T.test(x)$conf.int / [35:53] 예제코드 실행 / [36:09] 단일 모집단의 모평균에 대한 검정 및 신뢰구간 추정 / [37:02] 패키지 usingR 불러내기 / [37:12] 예제코드 실행 / [37:51] 단일 모집단의 모비율에 대한 검정 및 신뢰구간 추정 / [38:36] Prob.test 함수 / [38:52] 옵션 alternative / [39:02] 옵션 conf.lever / [39:42] X에 성공횟수를 지정하는 방법 / [39:49] x=성공횟수 / [40:07] Tavle()작성된 도수분포표 입력(성공횟수, 실패횟수) / [40:20] 1x2 행렬(성공횟수, 실패횟수) / [40:50] 모비율의 추정량인 X/n이 정규분포를 따르지 않는경우 / [41:22] 기본 사용방법 / [41:58] 예제 / [43:16] Prop.test / [43:48] 예제코드 실행 / [44:48] Alternative를 greate로 변경(Alternative를 to.sidede로 변경) / [44:57] 예제코드 실행 / [45:15] 예제 / [46:04] 95%신뢰구간 코드 / [46:20] 패키지 usingR 불러오기 / [46:37] 예제코드 실행 / [46:58] 예제 / [47:48] 예제코드 실행 / [48:05] 경고메세지 / [48:12] Binom.test / [48:58] 정규성 검정 / [49:37] Shapiro.test() 함수 / [50:17] 예제 / [50:33] 예제코드 실행 / [51:50] 히스토그램, 커널밀도추정그림 / [52:10] 분위수-분위수 그래프 / [52:33] 예제그래프 / [53:07] 분위수-분위스 그림(Q-Q plot) / [53:42] 예제코드 실행 / [54:42] 예제 / [54:44] 예제코드실행 / [55:06] Shapiro.test(log(price)) / [55:28] 단일 모집단의 분포중심에 대한 비모수 검정 / [56:26] Wilcoxon signed rank

04 이변량 범주형 데이터

도수분포표 작성/이변량 범주형 데이터를 위한 그래프/상자그림, 커널밀도추정 그림, 평균 막대그림, 연속형 변수의 분포 비교를 위한 요약통계/산점도 작성/상관계수 계산

1시간 1분

책갈피 : [00:13] Wilcox.test 사용방법 / [00:31] 비모수 vs t-검정 / [00:46] 그래프확인 / [01:26] Log로 변환된 income / [01:48] 변수 Income / [02:29] 예제코드 실행 / [02:39] P-value값 / [02:52] 그래프확인 / [03:04] Log변환된 income에 대괄호 적용 / [03:16] 예제코드 실행 / [04:35] 이변량 데이터의 정리 / [05:21] 이변량 범주형 데이터의 정리 / [05:31] 분할표 작성 / [05:51] 데이터 Arthritis 이용예제 / [06:14] 데이터 Arthritis 내용보기 / [07:06] 1차원 도수분포표 작성 / [07:17] 예제코드 실행 / [08:00] 1차원 상대도수분포표 작성 / [08:07] 예제코드 실행 / [08:38] options로 소수점 자리수 조절 / [09:09] 예제코드 실행 / [09:36] 2차원 도수분포표 작성 / [10:05] 예제코드 실행 / [10:24] 2차원 분할표의 한계분포(marginal distribution)작성 / [10:41] 행.열 합계구하기 / [10:52] Margin.table 함수 / [11:12] 예제코드 실행 / [11:50] Addmargins 함수 / [11:59] 예제코드 실행 / [13:00] 2차원 상대도수분할표(결합분포표) 작성 / [13:17] 예제코드 실행 / [15:19] Table() 유용한 정보 / [15:30] Airqualty $Ozone 데이터 보기 / [16:18] UseNA="ifany" 옵션 / [16:23] 예제코드 실행 / [16:36] SAS(proc freo) or spss(crosstabs) 출력 / [16:53] Crosstable함수 / [17:03] 예제코드 실행 / [17:20] Format="spss"옵션 / [17:36] 예제코드 실행 / [17:45] Expected, chisq 옵션 / [18:04] 예제코드 실행 / [18:25] 이변량 범주형 데이터를 위한 그래프 / [19:08] 안전벨트 이용 데이터이용 / [19:17] 데이터내용보기 / [19:37] 쌓아올린 막대그림(barplat) / [19:44] 예제코드 실행 / [20:46] 막대그림에 legend옵션 추가 / [21:06] 예제코드 실행 / [21:30] 옆으로 붙여 놓은 막대그림 작성 / [21:35] Beside=t 옵션사용 / [21:39] 예제코드 실행 / [21:50] Spine plot / [22:09] Spine 함수 / [22:20] 예제코드 실행 / [23:08] 선에 종류와 색깔 조절 / [23:17] Gpar 옵션사용 / [23:41] Mosaic plot / [24:22] 예제코드 실행 / [25:09] Mosaic 함수 / [25:37] 예제코드 실행 / [26:07] Direction=h로 지정 / [26:14] 예제코드 실행 / [26:45] 이변량 연속형 데이터의 정리 / [27:40] 정규분포 t분포, 균등분포 난수발생시킨 결과사용 / [28:11] 나란히 서 있는 상자그림 / [28:25] 예제코드 실행 / [29:09] 실습에 사용할 데이터내용 / [29:33] Boxplot(mpg~cy`, data=mtcars) / [29:49] 예제코드 실행 / [30:12] Plot함수 사용 / [30:31] 예제코드 실행 / [30:56] 겹쳐 그린 커널밀도추정그림 / [31:35] Cyl 갯수에 따른 연비에분포를 생성 / [31:54] 예제코드 실행 / [32:34] 그래프상에 모든값이 나타나지 않는경우 / [32:46] 위치조정 / [32:52] 예제코드 실행 / [33:31] Sm.density.compare(x,group,...)함수사용 / [33:55] 예제코드 실행 / [34:10] Cyl종류에 따른 mpg값을 평균막대그림으로 생성 / [34:42] Aggregate 함수 / [35:05] Tapply 함수 / [35:21] 예제코드 실행 / [36:45] 평균막대그림-barplot+신뢰구간 표시 / [36:59] barplot2함수 사용 / [38:20] 예제코드 실행 / [38:35] 연속형 변수를 병렬적 분포 비교에 유용한 함수 / [38:50] Summary() 함수 / [38:59] 예제코드 실행 / [39:09] Describe()함수 / [39:22] 예제코드 실행 / [39:42] Stat.desc 함수 / [41:13] 예제코드 실행 / [41:38] Round 함수 사용 / [41:42] 예제코드 실행 / [42:28] Describe 함수 / [44:18] 예제코드 실행 / [44:24] 경고문구 확인 / [45:12] Hmisc::describe(mtcars) / [45:24] 예제코드 실행 / [45:36] 연속형 변수들의 그룹별 분표 비교애 유용한 함수 / [45:49] Aggregate 함수 / [46:23] 예제코드 실행 / [46:39] Summaryby 함수 / [47:09] 예제코드 실행 / [47:22] 두 연속형 변수들의 관계를 나타내는 그래프 및 요약통계 / [48:49] 산점도(plot) / [49:47] Plot(x,y=null,type="p",axes=t...) / [50:42] Abline함수 / [51:08] Loess.smooth 함수 / [51:20] 예제코드 실행 / [51:36] plot함수를 이용한 산점도코드를 실행 / [51:59] 상관계수(cor) / [53:38] 예제코드 실행 / [53:53] 상관계수를 구하는 코드를 실행 / [54:19] 오류발생확인 / [54:47] pairwise.complete.obs / [55:08] Method 옵션 / [56:41] 통계적추론을 할수있는 R 함수사용법 / [57:24] 두 범주형 변수의 독립성 검정 / [57:51] 카이제곱 독립성 검정 / [58:00] Chisq.test(x,y=null, simulate.p.value=f) / [59:21] Monte carlo 모의실험

05 이변량 데이터와 관련된 통계적 추론, 회귀분석

카이제곱 독립성 검정/Fisher의 정확검정/두 모집단의 모비율 차이에 대한 검정/신뢰구간 추정/두 모집단의 모평균 차이에 대한 검정 및 신뢰구간 추정/두 모집단의 중심차이에 대한 비모수 검정/회귀분석/단순선형회귀모형/다중선형회귀모향

57분

책갈피 : [00:07] 카이제곱 독립성 검저 / [00:13] 예제코드 실행 / [00:57] 패키지 vcd 데이터 / [01:21] 카이제곱 검정 실행 / [01:32] 결과값 설명 / [02:23] Assocstats / [02:43] 연관성 측도 관련된 통계량 / [02:45] 예제코드 실행 / [03:24] Fisher의 정확 검정 / [04:09] Simulat 옵션 / [04:31] 기타옵션 설명 / [04:41] 2X2 분할표 / [04:56] 오즈(odds) / [05:49] 오즈비(odds ratio, OR) / [06:30] 오즈비 2X2분할표 예 / [08:05] Fisher의 정확검정 / [08:20] 옵션 or / [08:31] 옵션 alternative / [08:48] 옵션 conf.int / [09:01] 옵션 conf.level / [09:11] 실습에서 사용할 teataste 내용 확인 / [09:18] 2x2분할표 / [10:21] 귀무가설 or=1 / [10:40] 대립가설 or>1 / [11:28] 설정후 fisher.test / [11:33] 예제코드 실행 / [12:05] 직업 만족도 데이터 / [12:23] 카이제곱 검정과 Fisher 검정 결과 / [13:08] 카이제곱 검정 예제코드 실행 / [13:38] Simulate.p.value=true값 적용 / [13:41] 예제코드 실행 / [14:21] Fisher 정확검정 예제코드 실행 / [15:06] Simulate.p.value=true값 적용 / [15:32] 예제코드 실행 / [15:58] Systerm.time R함수 이용 / [16:02] 예제코드 실행 / [16:17] 카이제곱 Fisher 결과값 시간비교 / [16:56] 두 모집단의 모비율 차이에 대한 검정 및 신뢰구간 추정 / [17:45] Prop.test / [18:40] x값, n값 입력 / [19:14] 옵션 alternative / [19:50] "less","greater" / [20:59] 귀무가설(ho), 대립가설(h1) 설정 / [21:11] 예제코드 실행 / [21:26] 함수 prop.test(x=x, n=n) / [22:07] prop.text(x=x12)$p.value / [22:10] 예제코드 실행 / [22:48] 두 모집단의 모평균 차이에 대한 검정 및 신뢰구간 추정 / [23:04] 독립된 두 표본에 대한 추론 / [23:24] 짝을 이룬 표본에 대한 추론 / [23:53] 독립된 두 표본에 대한 추론 예제 / [23:57] T.test / [24:14] 옵션 Alternative 설정 / [24:24] 옵션 var.equal 설정 / [25:19] 옵션 conf.level 설정 / [25:59] 귀무가설 검정 / [26:09] 예제코드 실행 / [26:52] Mtcars 데이터 이용 / [27:07] Mtcars 데이터 내용 확인 / [28:01] T.test 로 변수 지정 / [28:04] 예제코드 실행 / [29:26] Boxplot을 이용한 분포 비교 / [29:25] 예제코드 실행 / [30:13] 두 모집단의 분산 동일성에 대한 f-검정 / [30:27] var.test 함수 이용 / [30:43] 귀무가설 = 분산1/분산2=1 / [31:22] 예제코드 실행 / [32:32] var.equal 함수사용하지 않을경우 / [32:46] 짝을 이룬 표본에 대한 추론 예제 / [33:03] T.test / [33:06] Paired=t / [33:30] Mass에 shoes 데이터 확인 / [34:52] t.test(a,b, paired=T) 모평균 검정 실행 / [34:57] 모평균 검정 실행결과 확인 / [35:58] 두 모집단의 중심차이에 대한 비모수 검정 / [36:08] Wilcoxon rank sum 검정 / [36:12] Wicoxon singed rank 검정 / [36:31] Wilcox,test 함수 사용 / [37:13] 귀무가설 mu=0 / [37:18] 옵션 pairde=f / [37:52] 균등분포에서 10개 랜덤추출 / [38:19] 예제코드 실행 / [38:44] 변수 mpg, am / [39:08] 예제코드 실행 / [39:37] Alternative="less" / [40:01] 경고문구 출력 / [40:26] shoes$A, shoes$B, paired=t / [40:41] 예제코드 실행 / [40:54] 경고문구 출력 / [41:24] 회귀분석 / [42:00] 단순선형회귀모형 / [42:21] 종속변수, 독립변수 / [42:41] 오차항 확인 / [42:50] 데이터프레임 women이용 / [43:24] plot(weight~height, data=women) 두변수 비교 / [43:29] 예제코드 실행 / [43:56] 함수 lm(linear model) / [43:59] 예제코드 실행 / [44:50] 함수 lm 주요인자 / [45:25] names(fit) 내용 확인 / [45:54] 회귀분석 결과의 획득에 유용하게 사용되는 함수 / [46:20] 패키지 car이용 / [46:48] 예제코드 실행 / [47:17] 다중선형회귀모형 / [47:24] 종속변수, 독립변수 / [47:44] 오차항 확인 / [48:23] 회귀모형의 적합 / [48:43] 함수 lm 사용방법 / [48:48] 옵션 data / [48:59] 옵션 subset / [49:18] Subeset이용 예제 / [49:58] 옵션 weights / [50:28] R공식에서 사용되는 기호 / [50:41] 다중선형회귀모형 / [50:45] State.x77 데이터 내용 확인 / [51:35] State.x77 데이터 타입 data.frame / [52:56] Plot(states) / [53:00] 예제코드 실행 / [54:11] Scatterplotmatrix함수 / [54:26] 예제코드 실행 / [55:14] Pairs(states) / [55:21] 예제코드 실행 / [55:44] Pairs 개념, 사용예제 확인 / [56:06] Pairs 예제 결과확인 / [56:31] 기존예제에 pairs예제를 조합 / [56:46] 예제코드 실행 / [56:59] 종속변수 murder과 독립변수 지정 / [57:09] 예제코드 실행

06 다중선형회귀모형

회귀모형의 추론/회귀모형의 anova표 사용/회귀진단 및 대안탐색/회귀모형의 가정 만족여부 확인/동일분산 가정 확인/정규분포가정 확인/독립성 가정 확인/선형관계 확인/다중공선성 확인에 특이한 관찰값 탐자

56분

책갈피 : [00:07] 다중선형회귀모형 / [00:42] # summary / [01:08] Residuals / [01:36] Coefficients / [02:51] Signif. codes / [03:00] Multiple R-squared / [04:05] F-statistic / [04:41] anova / [05:14] 분산분석기법 / [05:25] 효과에 따른 변동, 오차 변동 / [05:54] F ratio / [07:05] anova를 적용한 회귀결과 / [09:13] anova표 살펴보기 / [10:05] fit, fit2 / [11:06] illiteracy / [11:35] 귀무가설을 기각하기 못하는 예 / [11:57] fit3과 fit1의 비교 / [12:31] frost / [12:46] # predict / [13:01] object / [13:13] newdata / [13:26] interval / [13:58] Population / [14:14] Murder / [14:29] 결과 보기 / [15:20] data=women / [16:22] n차 다항회귀 모형 설정 / [16:28] poly, I / [17:06] poly함수의 일반적 사용방법 / [18:06] raw=T / [18:22] weight, height / [18:34] 결과 보기 / [18:51] 1차 단순회귀모형, 2차 다항회귀모형 / [19:06] 회귀분석 / [19:55] 회귀모형의 가정 만족여부 확인 / [20:19] plot / [20:55] par / [21:28] which / [21:54] 단순선형회귀모형 / [23:00] 네가지 회귀모형의 가정 / [24:11] 오차항의 동일분산 가정 / [24:58] ncvTest / [26:01] 오차항의 정규분포 가정 / [26:36] 로버스트 선형회귀 / [26:56] shapiro.test / [27:01] 결과 확인 / [27:52] 오차항의 독립성 가정 / [28:39] durbinWatsonTest / [28:55] 1차 자기상관 관계 / [29:38] length / [30:52] ｅxpression / [31:08] 결과 확인 / [32:14] p-value / [32:56] women 데이터프레임 살펴보기 / [33:46] 선형관계 / [35:00] 독립변수, 종속변수 / [35:20] crPlots / [35:29] 부분잔차 산점도 작성 / [37:21] 다중 공선성 / [38:32] 분산팽창계수 / [39:12] 결과 확인 / [40:51] 특이한 관찰값 탐지 / [41:31] influence.measures / [42:20] inf / [43:03] 미50개주 데이터 출력 / [44:17] 그래프 작성 / [45:08] hat / [45:42] Leverage / [45:48] abline / [46:41] 코드 수행 / [47:11] identify / [48:20] labels / [49:23] identify종료 / [50:13] Cook's Distance / [51:25] influence.measures / [51:52] avPlots / [54:06] id.method / [54:23] 코드 수행

07 대안 탐색

종속변수의 변환/독립변수의 변환/변수의 선택/검정에 의한 방법/모형선택 기준에 의한 방법/최근접 이웃을 사용한 분류/정의, KNN알고리즘

55분

책갈피 : [00:10] 잔차 / [00:36] 스튜던트화 잔차 / [00:54] p밸류 계산 / [01:37] 세가지 통계값에 대한 그래프 / [02:02] 코드 수행 결과 / [02:40] 알래스카 주의 경우 / [03:05] 네바다주의 경우 / [03:54] 자유도, t분포 / [04:48] outlierTest / [05:06] 코드 수행 / [05:55] Bonferonni p밸류 / [06:51] 대안 탐색 / [07:26] 종속변수 독립변수의 관계 / [08:00] 변환 R함수 살펴보기 / [08:15] Box-Cox변환 / [09:21] 코드 살펴보기 / [09:28] 람다값 / [09:43] 코드수행 결과 / [11:20] 반응변수 변환시 주의점 / [12:38] powerTransform 함수 적용 결과 / [13:51] 종속변수의 로그변환 / [14:34] 독립변수의 변환방법 / [15:00] boxTidwell / [16:01] 함수적용결과 / [16:35] 오류발생 요소 제거 / [17:25] women을 이용 boxTidwell 함수 수행 / [18:14] R공식에서 사용되는 기호 / [18:24] 다항회귀모형 설정 결과 / [18:37] summary함수를 이용한 결과값 / [20:09] 모델의 선형성 확인 / [20:41] 변수선택에 대해 살펴보기 / [21:08] 변수선택의 두가지 방법 / [21:24] 검정에 의한 방법 / [22:13] 검정방법의 단점 / [23:05] addterm, dropterm / [23:28] state.x77을 이용해서 살펴보기 / [23:39] data.frame 형태 / [25:20] 전진선택법 / [26:44] 코드수행을 통한 변수영향력 알아보기 / [28:04] fit=update / [28:32] 기호.물결. / [29:03] 코드수행 결과 / [29:36] addterm에 변수 적용 / [29:55] population, Area, illiteracy / [31:03] 후진소거법 / [32:41] dropterm함수 수행결과 / [34:01] 변수를 제거한 수행결과 / [34:34] 유의 수준 / [35:16] 전진선택법의 추가검정 / [36:06] 단계별 선택법 / [36:22] 후진소거법 / [36:50] 모형선택 기준에 의한 방법 / [37:06] 통계량의 종류 / [37:53] 모든 가능한 회귀방법 / [38:56] 빅데이터 / [39:19] AIC, BIC / [39:36] regsubsets / [40:05] 수행 결과 확인 / [41:12] 모형의 최적기준 / [41:38] names(cri.fits) / [41:54] rsq. rss / [42:09] adjr2, cp, bic, outmat / [42:33] 수정결정개수와 cp통계량을 이용한 모형선택 / [43:29] 코드수행 결과 / [44:51] 회귀개수가 다섯개인 모형 / [45:08] 회귀개수가 여섯개인 모형 / [45:42] AIC를 이용한 단계별 변수선택법 / [46:45] 코드수행 결과 / [48:39] both / [49:45] step을 이용한 결과 / [50:48] 기계학습 / [51:18] 기계학습의 세분화 / [51:29] 기계학습 알고리즘 / [51:46] 기계학습 내용시 참조할 웹페이지 주소 / [51:56] 최근접 이웃을 사용한 분류 / [53:00] 최근접이웃 분류기의 정의 / [53:37] KNN알고리즘

08 최근접 이웃을 사용한 분류

KNN알고리즘을 활용한 유방암 진단/나이브 베이즈를 사용한 분류/베이즈 이론/SMS 메세지 필터

54분

책갈피 : [00:12] dist 함수 / [00:24] 유클리드 거리방법 / [00:57] 유클리드거리& 맨하튼거리 / [01:58] 테스트 데이터, 훈련데이터 / [02:18] TEST데이터의 범주 분류 / [02:35] 1NN분류 / [02:45] k=3 / [03:44] 미래의 데이터 일반화 결정 / [04:03] k의 설정 / [05:45] 실습의 단계 / [05:50] uci기계학습 저장소 사이트 / [06:06] Breast Cancer Wisconsin / [06:17] 기부 데이터 다운로드 / [06:26] wdbc.data / [06:36] wdbc.names / [06:50] 유방암덩어리에 대한 측정값 / [08:03] 실습데이터 보기 / [08:28] read.table / [08:44] stringsAsFactors / [09:22] 코드수행 결과 / [10:15] id, diagnosis / [10:27] knn알고리즘 적용을 위한 데이터 다듬기 / [10:44] 코드수행 결과 / [11:19] labels옵션 / [11:51] summary / [13:08] 수치데이터의 정규화 사용자함수 만들기 / [13:39] 코드 수행 결과 / [13:49] 간단한 백터로 함수 수행 / [14:20] 사용자 정의 함수 적용 / [14:37] lapply / [15:21] summary함수로 결과값 보기 / [15:45] 훈련과 테스트 데이터 만들기 / [16:54] 코드 수행 / [16:57] 훈련셋과 테스트셋을 만들 때의 주의점 / [17:41] sample함수 / [18:13] knn알고리즘 / [19:11] 훈련데이터수의 제곱근 / [19:47] Euclidean distance / [20:08] 모델 성능 평가 / [20:20] CrossTable / [20:37] prop.chisq / [21:04] 양성, 악성의 결과값들 확인 / [21:43] Cell Contents / [23:46] 정규화 방법 변환 / [24:22] scalse함수 적용 결과보기 / [25:26] 교차표 결과값 / [26:17] for / [26:36] CrossTable함수의 수행 결과 / [27:17] res$t / [27:45] Results1 / [28:54] 결과값 확인 / [30:24] 나이브 베이즈를 사용한 분류 / [31:07] 베이즈 이론 / [31:26] 예제를 통한 살펴보기 / [31:59] 사전확률 / [32:23] 사후확률 / [32:49] Viagra / [33:11] 주변우도 / [33:22] 우도 / [35:11] 나이브베이즈 알고리즘 / [35:40] 나이브베이즈 알고리즘의 단점 / [36:03] 나이브베이즈 알고리즘의 장점 / [36:36] SMS Spam Collection / [36:54] 다운로드 경로 / [37:09] 파일내용 살펴보기 / [37:47] 변경한 데이터 / [38:20] sms_raw / [38:54] Sys.setlocale / [39:53] Korean_korea / [40:40] 결과값 확인 / [41:44] factor / [42:15] 텍스트 처리에 필요한 방법 / [43:00] library(tm) / [43:25] sms_corpus / [43:52] corpus함수 적용결과 수행 / [45:13] 예시 / [45:30] tm_map / [45:45] content_transformer / [46:41] removeNumbers / [47:18] removeWords, stopwords / [48:36] removePunctuation / [49:04] stripWhitespace / [49:38] DocumentTermMatrix / [51:05] 빈도매트릭스에서의 표현 / [51:58] 데이터 준비와 탐구 / [53:21] 결과 확인

09 결정트리와 규칙을 사용한 분류

결정트리의 이해/결정트리의 활용 예시/결정 트리의 가지치기/C5.0결정 알고리즘/결정트리를 이용한 은행 대출관리

57분

책갈피 : [00:02] 단어 클라우드 / [00:22] wordcloud패키지 / [01:08] random.order / [01:41] 수행결과 확인 / [01:59] subset / [02:46] scale변수 / [03:02] 수행결과 확인 / [04:08] 데이터를 적용해 모델 훈련 / [05:27] findFreqTerms / [06:21] convert_counts / [08:09] naiveBayes함수 / [08:24] 수행결과 확인 / [08:44] 나이브베이즈 알고리즘 적용 / [09:09] e1071패키지 / [09:19] naiveBayes함수의 사용방법 / [09:51] laplace추정기 / [10:26] 코드 수행 결과값 / [12:05] predict로 테스트메세지의 범주 예측 / [12:58] 수행결과 확인 / [13:52] 예측값과 실제범주 비교 / [14:18] prop.t / [14:35] dnn / [14:45] 교차표 생성 / [15:43] 모델성능향상 방법 / [16:17] 결과 살펴보기 / [17:05] 나이브베이즈 알고리즘 정리 / [18:02] 결정트리 분류 / [18:45] 결정트리의 이해 / [19:25] 루트 노드, 결정 노드, 잎 노드 / [20:15] 활용되는 분야 / [21:18] 결정트리 가지치기 / [21:38] 예시를 통한 살펴보기 / [24:04] 결정트리 가지치기의 경우 / [25:09] 결정트리의 속성구분 특징 / [26:53] C5.0 알고리즘을 통한 실습 / [27:32] C5.0 알고리즘의 특성 / [27:53] 속성의 선택 / [28:27] Entropy를 계산하는 방법 / [29:33] Entropy 예시 / [31:24] 결정트리 가지치기의 원리 / [32:15] C5.0알고리즘의 장단점 / [32:36] 사후 가지치기 / [33:08] 위험대출 신청자 예제 / [33:28] UCI기계학습 저장소 / [33:41] view all data sets / [33:50] German Credit Data / [34:50] credit.csv / [35:06] 실습데이터 저장방법 / [35:31] read.csv / [35:40] str함수로 데이터구조 살펴보기 / [37:04] 체킹계좌, 세이빙계좌 / [37:41] 대출기간, 대출총액 / [38:19] 훈련데이터, 테스트데이터 / [39:47] set.seed / [40:41] runif / [41:04] 데이터 분류 코드 수행 / [42:07] C50패키지 / [43:35] factor속성 / [44:05] 결과값 확인 / [44:48] summary함수로 트리내용 살펴보기 / [47:40] 훈련데이터상 잘못된분류 교차표 / [48:44] credit_pred / [49:14] 코드수행 결과 / [50:18] Boosting / [51:19] C5.0함수의 부스팅 / [51:46] 코드수행 결과 / [52:29] summary함수를 적용한 살펴보기 / [53:04] credit_boost_pred10 / [54:28] error_cost / [54:44] matrix내용 살펴보기 / [55:49] 패널티를 적용한 모델 결과

10 규칙학습자 & 회귀기법

규칙 학습자의 이해, 독버섯 식별을 위한 실습/회귀 이해, 선형 회귀를 사용한 의료비 예측 실습

54분

책갈피 : [00:02] 규칙학습자 / [00:14] 규칙학습자의 활용예시 / [00:34] 규칙학습자와 결정트리의 차이 / [01:59] 결정트리로부터의 규칙학습자 / [02:44] 동물집단 예시 / [03:42] 트리의 규칙으로 살펴보기 / [04:34] C5.0함수 / [05:03] 수행 결과 확인 / [06:21] 규칙학습자 알고리즘 적용 수행 결과 / [07:27] 규칙학습기를 이용한 독버섯 식별하기 예제 / [07:47] UCI기계학습저장소의 버섯데이터 셋 / [08:22] 항목설명 / [08:57] mushrooms.csv / [09:19] raw데이터 저장 / [09:52] read.csv / [10:04] 명목형 척도 / [10:44] 구조 살펴보기 / [11:53] NULL제거 / [12:16] 범주정보 살펴보기 / [12:42] poisonous, edible / [13:02] oneR / [13:59] 틸트 연산자 / [14:31] 닷의 사용 / [14:40] ?formula / [14:57] 훈련셋과 테스트셋 / [15:28] 수행결과 확인 / [16:02] 용어설명 / [17:04] summary함수를 분류기에 적용 / [18:25] mushroom_classififier / [18:55] mushroom_prediction / [19:27] 결과값 확인 / [19:57] 추가적인 함수 살펴보기 / [20:08] JRip / [20:41] 수행결과 확인 / [20:55] foul / [22:18] summary함수를 분류기에 적용 / [23:00] 나누어 정복하기, 구분해 정복하기 / [23:22] 선형 회귀,트리, 모델 살펴보기 / [23:36] 회귀분석 / [24:08] 활용 예시 / [24:47] 단순 선형 회귀 / [25:09] 다중 회귀 / [25:19] 로지스틱 회귀 / [25:33] 포아송 회귀 / [25:56] 미국의 환자의료비를 포함한 가상데이터셋 / [26:25] 보험회사 / [27:46] insurance.csv 구조 확인 / [28:37] age / [29:00] sex, bmi / [29:28] children, smoker / [29:46] region / [31:00] 차지의 분포 살펴보기 / [32:33] table(insurance$region) / [33:10] cor / [34:52] pairs / [35:50] pairs.panels / [36:41] 추가적인 시각정보 / [38:53] 로이스 곡선 / [39:22] 데이터로 모델 훈련 / [39:55] 수행 결과 살펴보기 / [42:14] 더미 코딩 / [42:39] sex변수 / [42:59] region변수 / [45:50] summary로 결과값 살펴보기 / [46:40] 0.05레벨 / [48:10] 모델 성능 향상 / [49:52] age2 / [50:16] bmi항목 / [52:47] 결과값 확인

11 수치 데이터의 예측 회귀기법 & 인공 신경망 알고리즘

인공 신경망 알고리즘의 이해, 인공신경망 알고리즘을 이용한 콘크리트의 내구력 모델 학습/인공 신경망 알고리즘의 이해, 인공신경망 알고리즘을 이용한 콘크리트의 내구력 모델 학습

58분

책갈피 : [00:02] 수치예측 트리 알고리즘 살펴보기 / [00:19] 회귀 트리 / [01:09] 모델 트리 / [02:23] 회귀트리와 모델트리의 이해 / [04:17] 수치예측용 트리 / [04:44] 결정트리 방법 / [04:54] 수치결정 트리에서의 균일성 / [05:06] 표준편차리덕션 / [06:45] SDR / [08:34] 화이트와인 데이터 예시 / [08:53] whitewines.csv 구조 살펴보기 / [09:43] 회귀 트리 모형 / [10:34] hist로 살펴보기 / [11:10] wine_train, wine_test 수행 결과 / [11:50] rpart패키지 / [12:15] ?rpart.control / [12:40] rpart함수 수행 결과 / [14:11] rpart.plot / [14:23] 코드수행 결과 / [14:40] 디지트 파라미터 / [14:53] fallen.leaves=T / [15:11] type옵션 / [15:28] ?rpart.plot / [15:49] extra옵션 조정 / [16:04] prdict를 사용한 수행 결과 확인 / [18:24] 평균 절대 오차값 계산하기 / [19:56] 성능향상을 위한 모델트리 만들기 / [20:40] 수행 결과 확인 / [22:11] 데이터등급 예측결과 살펴보기 / [23:11] 인공신경망 알고리즘 / [23:46] 인풋, 아웃풋 신호 / [23:58] 생물학적 뉴런 / [24:30] 인공 뉴런 / [26:15] 휴리스틱 / [27:33] 인공 두뇌 / [28:31] 인공신경망 활용 예시 / [29:52] 블랙박스 기법 / [31:23] 인공뉴런 모델 살펴보기 / [33:09] 네트워크 토플로지 / [33:21] 활성함수 / [33:34] 임계활성함수 / [34:45] 로지스틱 시그모이드 함수 / [35:40] 다양한 활성함수 살펴보기 / [35:52] neuralnet / [36:51] 쌍곡선탄젠트 함수 / [37:55] 스쿼싱함수 / [38:57] normalize / [39:30] 네트워크 토플로지 / [39:52] 노드, 링크 / [40:28] 층 / [41:06] 인공신경망 네트워크 예시 그림 / [42:30] 은닉층 / [43:12] 멀티플 히든레이어 / [43:20] 정보진행 방향 / [43:49] 전방향 네트워크 / [43:59] 재귀 네트워크 / [45:48] neuralnet의 옵션 / [47:09] 과적합 / [48:31] 가중치 학습 알고리즘 / [49:42] 오차 역전파 알고리즘 / [51:04] 인공신경망 알고리즘의 장단점 / [52:15] 콘크리트 압축 내구력 예시 / [52:40] concreate.csv함수 구조 살펴보기 / [53:23] 속성 데이터의 분포 살피기 / [54:15] lapply를 사용한 코드 수행 / [55:11] normalize

12 인공신경망 알고리즘 & 서포트 벡터 머신

콘크리트의 내구력 모델의 실습/서포트 벡터 머신의 원리, 광학식 문자 인식 실습

58분

책갈피 : [00:02] concrete_norm / [00:50] train, test / [01:12] 콘크리트 내구력 모델화 / [01:28] multilayer feedforward neural network / [02:04] RSNNS패키지 / [02:58] 속성 공식 / [03:46] concrete_model 수행 / [04:09] plot 적용 피드포워드 신경망 생성 / [05:14] 바이어스 텀 / [06:31] compute함수 / [07:38] 코드 수행 결과 / [08:23] predicted_strength / [09:21] 코드 수행 결과 / [11:08] concrete_model2 / [12:10] 코드 수행 결과 / [12:50] 서포트 벡터 머신 / [13:19] 서포트 벡터 머신의 이해 / [13:43] 초평면 / [14:37] 선형 분리 / [15:35] 의사결정의 경계 / [16:38] 최대 마진 초평면 / [16:49] 서포트 벡터 / [17:46] 벡터 기하학 / [18:00] 벡터기하학의 기본 원리 / [18:15] 볼록 껍질 / [18:40] 서포트벡터머신 활용분야 / [19:15] 분류 작업 활용 / [19:39] 이미지 처리 / [20:25] 이미지데이터 문제 해결 / [21:25] 광학식 문자 인식 / [22:57] 손글씨 이미지 데이터 / [23:02] UCI기계학습저장소 URL / [23:24] letterdata.scv구조 / [24:41] 이미지 부가설명 / [24:59] 서포트벡터머신 학습기의 처리속성 / [26:19] ksvm함수 / [26:38] 속성 데이터의 분포 살피기 / [27:03] train, test 수행 / [27:47] 서포트벡터머신 적용 선택패키지 / [28:09] kernlab / [29:02] 커널정보 / [29:28] 커널트릭 / [29:47] 커널 함수의 형식 / [30:06] 예제 살펴보기 / [31:17] 커널의 의미 / [31:36] 선형 커널 / [31:50] 차수 다항 커널 / [31:57] 시그모이드 커널 / [32:22] 가우시안 RBF커널 / [33:38] 선형 커널함수 사용 / [33:55] ?ksvm 검색 / [34:13] C옵션 / [34:44] Cost Value / [36:24] 코드 수행 결과 / [37:05] test데이터로 성능 살펴보기 / [37:25] predict함수의 타입 옵션 / [37:57] 코드 수행 결과 / [38:24] 예측된 문자와 실제문자 비교 / [39:17] agreement / [40:52] RBF커널 사용 / [41:07] rbfdot 코드 수행 결과 / [41:57] K평균을 이용한 군집화 머신러닝 / [42:49] clustering / [43:55] 군집화의 활용예시 / [45:08] 학회개체 예시 / [46:38] 축 평행분할 / [47:42] k평균 알고리즘 / [51:56] k평균 알고리즘의 속성값 / [52:57] k평균 알고리즘의 장단점 / [54:06] 군집의 수 / [55:32] k값의 설정 / [56:09] 엘보우 기법

13 K평균을 이용한 군집화 & 연관규칙

K평균을 이용한 잠재 고객 분류 실습/연관규칙의 이해, 연관 규칙을 이용한 실습 데이터 학습

54분

책갈피 : [00:01] k평균을 이용한 잠재고객 분류실습 / [01:16] 데이터 수집 / [01:22] snsdata.csv 구조 살펴보기 / [01:33] snsdata 설명 / [01:57] 스트럭쳐 함수 결과 살펴보기 / [03:20] 데이터에 대한 모델 훈련 / [03:47] kmeans함수 / [05:50] as.data.frame / [06:44] 데이터의 그룹핑 / [07:22] k값의 설정 / [07:58] elbow point값 코드 수행 / [09:15] plot 결과 확인 / [10:31] iter.max파라미터 / [11:20] kmeans함수로 생성한 객체 구조 / [11:34] withinss / [11:46] tot.withinss / [12:00] betweenss / [12:10] size / [13:08] totss / [13:16] centers항목 / [16:18] 클러스터 항목 살펴보기 / [16:43] teens$cluster / [16:59] aggregate / [17:21] 코드 수행 결과 / [17:45] 결측값과 잘못된 정보 / [18:18] ifelse함수 / [20:46] mean / [21:40] 결측값 확인 / [22:07] ave함수 / [22:23] ?ave / [22:36] ave예시 / [24:22] mean함수 / [24:54] FUN / [25:35] 코드 수행 결과 / [26:27] 군집에 따른 남녀비율 차이 살펴보기 / [27:09] table함수 / [28:23] useNA / [29:03] aggregate / [30:09] friends~cluster / [31:03] 모델 평가 살펴보기 / [34:09] 추가적인 더미 변수생성 / [34:35] 코드 수행 결과 / [35:36] 연관 규칙 / [36:01] 장바구니 데이터 분석 식료품 규칙 / [36:25] 연관성 규칙 / [37:35] 연관 규칙 활용 예시 / [38:22] 연관 규칙의 장단점 / [39:21] 선물가게DB 살펴보기 / [40:39] support, confidence / [40:56] 꽃->병문안카드 신뢰도계산 / [42:23] 병문안카드->꽃 신뢰도 계산 / [44:47] Apriori원리 / [45:17] 예시 / [48:20] apriori함수 / [48:39] 식료품 구매 데이터 / [48:52] 엑셀로 groceries.csv살펴보기 / [50:05] read.transactions함수 결과값 살펴보기 / [52:13] inspect함수

14 연관규칙 & 모델 성능 평가

연관 규칙을 이용한 실습 데이터/정확도와 오차율/카파통계/민감도/특이도/정밀도/ROC 커브

54분

책갈피 : [00:00] 통계값을 시각화하는 함수 / [00:10] itemFreguencyPlot / [00:39] 서포트 옵션을 이용한 제한표현 결과 / [01:15] 탑엔 옵션을 이용한 제한표현 결과 / [01:43] image / [01:51] groceries객체 내용 살펴보기 / [03:31] image함수를 통한 시각적 내용확인 / [04:20] 거래내역 살펴보기 / [06:11] sample을 이용한 랜덤효과 / [07:06] 데이터로 모델을 훈련하는 코드 살펴보기 / [07:14] apriori함수 실행방법 / [07:58] 옵션이 없는 코드 수행결과 / [08:51] 기본설정값을 낮춰보기 / [09:58] 신뢰도값 / [10:19] 예시 / [12:37] groceryrules옵션을 사용한 코드수행결과 / [13:45] 연관규칙의 이해 / [14:31] lift값 / [15:59] Inspect함수 / [16:28] 규칙의 해설 / [17:43] arules패키지 / [18:11] sort / [18:35] 코드 수행 결과 / [19:38] subset / [20:24] 코드 수행 결과 / [22:18] %ain% / [22:52] %pin% / [23:32] %in% / [24:01] lhs / [24:43] groceryrules_df / [25:19] write / [25:38] csv파일을 엑셀로 열어보기 / [25:55] 모델성능 평가 방법 / [26:08] train, test / [27:17] 나이브 베이즈 실습 이용 / [27:41] e1071패키지 / [27:49] sms_classifier / [28:07] CrossTable / [28:24] 정확도와 오차율 / [29:02] True Positive / [29:16] True Negative / [29:29] False Positive / [29:40] False Negative / [30:48] confusionMatrix / [31:35] 코드 수행 결과 / [33:21] 카파 통계 / [37:20] kappa / [38:14] kappa2 / [38:59] 민감도, 특이도, 정밀도의 계산 / [39:10] sensitivity / [39:48] specificity / [40:25] precision / [41:07] caret패키지 / [41:52] 코드 수행 결과 / [44:10] ROCR패키지 / [44:22] 예제확인

15 모델 성능 평가 & 데이터의 시각화(1)

샘플링 방법/파라미터 조절/메타학습을 활용한 모델 성능 향상/ggplot 함수의 기본적인 사용 방법/산점도/선 그래프/막대 그래프

58분

책갈피 : [00:02] 모델성능 향상방법 / [00:18] 샘플링 방법 / [00:37] 홀드아웃 기법 / [01:11] credit.csv구조 살펴보기 / [01:38] runif / [02:25] order / [03:22] 홀드아웃 기법의 문제점 / [04:34] 층화 무작위 홀드아웃 기법 / [04:47] createDataPartition / [06:17] credit_train, credit_test / [06:42] 코드 수행 결과 / [07:56] 반복 홀드아웃 기법 / [08:03] 교차검정 / [09:24] createFolds / [09:55] 그룹생성 결과 / [10:47] test데이터를 만드는 방법 / [11:04] folds, my_function lapply / [11:28] my_function / [12:04] kappa2 / [12:28] cv_results / [13:49] 부트스트랩 샘플링 / [14:48] 교차검증과 부트스트랩의 차이점 / [16:03] 파라미터 조절 / [16:22] KNN알고리즘 / [17:40] 시행착오방법의 단점 / [18:01] 캐럿패키지 정리표 / [18:39] 자동조절기능 / [19:04] 캐럿패키지의 모델생성과 탐색 / [20:09] train함수의 사용방법 / [20:27] 코드 수행 결과 / [20:40] 입력된 데이터에 대한 간략한 정보 / [20:59] 부트 스트랩핑 방법 / [21:15] 경고출력 내용 살펴보기 / [21:35] 복원추출 / [23:37] predict / [24:01] train함수의 조건을 변경하여 수행 / [24:42] trControl / [25:08] cv / [25:40] best / [26:19] oneSE / [26:30] tolerance / [27:32] expend.grid / [27:54] 코드 수행 결과 / [28:40] 새로운 조건으로 코드수행 / [30:58] 메타학습방법 / [31:04] bagging방법 / [31:54] ipred패키지 / [32:45] 코드 수행 결과 / [33:51] boosting방법 / [34:13] bagging과 boosting의 차이점 / [34:37] random forests방법 / [35:11] randomForest함수 / [35:41] ntree파라미터 / [36:00] mtry파라미터 / [36:50] 코드 수행 결과 / [37:54] 기본파라미터값 정확도 / [38:56] m_rf, m_c50 결과 비교 / [40:01] R을 활용한 데이터의 시각화 / [40:13] ggplot2, gcookbook / [41:02] 산점도 그리기 / [41:55] mtcars 데이터프레임 내용 살펴보기 / [42:58] + geom_point / [43:51] 산점도 비교 코드 수행 결과 / [44:07] 선 그래프 그리기 / [44:19] + geom_line / [44:41] 그래프 비교 수행 결과 / [44:49] 막대 그래프 그리기 / [45:02] + geom_bar / [45:10] stat="bin" / [46:02] 코드 수행 결과 / [46:14] barplot / [47:40] 코드 수행 결과 / [48:00] 히스토그램 그리기 / [48:57] binwidth옵션 / [49:33] breaks인자의 다양한 활용 / [50:01] 히스토그램 그래프 비교 / [50:36] hist함수의 breaks옵션 수정해서 살펴보기 / [51:06] 박스 플롯 그리기 / [51:40] 패키지 비교 결과 / [52:07] interaction / [52:58] 함수곡선 그리기 / [54:32] 막대 그래프 그리기 / [55:26] BOD 데이터프레임 코드 수행 결과 / [56:43] fill 파라미터

16 데이터의 시각화(2)

막대그래프의 모양 수정/누적 막대 그래프/비율 누적 막대 그래프/클리블랜드 점 그래프

59분

책갈피 : [00:00] 여러그룹의 막대그래프 그리기 / [00:09] cabbage_exp 살펴보기 / [01:01] x, y, fill / [01:37] identity, dodge / [01:59] dodge를 명시하지 않은 경우 / [02:38] dodge를 명시한 수행 결과 / [03:14] scale_fill_brewer / [03:36] display.brewer.all수행 결과 / [04:13] 팔렛을 사용한 그룹정보 색 확인 / [04:34] scale_fill_manual / [05:11] reorder를 사용한 x축 순서 재정렬하기 / [05:27] uspopchange데이터 살펴보기 / [06:28] rank / [06:49] change, rank(change)값을 비교하기 / [07:55] upc객체를 사용한 그림 그리기 / [09:16] reorder함수를 사용한 코드 수행 결과 / [11:02] FUN=mean / [12:21] labs / [12:56] 음수와 양수막대 다르게 색상 입히기 / [13:14] climate데이터 살펴보기 / [13:54] stack, identity / [14:25] position옵션 유무에 따른 결과값 / [15:36] 0을 기준으로 그래프 색상을 변경하는 방법 / [16:25] 코드 수행 결과 / [16:48] 그래프 색상을 메뉴얼하게 지정하는 방법 / [18:04] 코드 수행 결과 / [18:39] 막대의 너비와 간격 조절하기 / [19:35] pg_mean데이터 살펴보기 / [20:19] width정보를 다르게 한 비교 / [21:40] position_dodge / [22:34] dodge와 width값 설정에 따른 비교 / [25:18] 누적 막대그래프 / [25:51] 옵션이 없는 상태의 수행 결과 / [26:48] guides / [27:24] cabbage_sxp 코드 수행 결과 / [27:58] 비율 누적 막대 그래프 / [28:35] play패키지 / [29:17] 코드 수행 결과 / [30:35] ddply / [31:16] Date정보에 따른 결과 / [33:00] percent_weight코드 수행 결과 / [34:52] 막대그래프에 라벨 추가하기 / [35:16] geom_text / [36:01] 코드 수행 결과 / [37:18] 묶인 막대 그래프 / [38:22] position_dodge / [39:37] ymax지정방식 / [40:29] 코드 수행 결과 / [40:49] geom_text / [41:36] 누적 막대 그래프 / [42:58] ddply함수 이용 / [43:55] 코드 수행 결과 / [44:42] ce데이터 플랫 / [45:44] y값을 재설정한 결과 / [48:00] 클리블랜드 점 그래프 그리기 / [48:37] geom_point / [48:48] tophitters2001 데이터 살펴보기 / [49:30] tophit / [49:45] tophit객체표 보기 / [50:26] reorder, theme_bw / [51:19] theme / [51:57] element_line / [52:50] geom_segment / [55:42] xend, yend, color 수치를 바꾼 결과 / [56:50] 백그라운드와, 테마, 포인트를 변경한 결과 / [58:11] y축 명칭의 재정렬

17 데이터의 시각화(3)

클리블랜드 점 그래프/선 그래프/축 정보 변경하기/여러 그룹 선 그래프/그래프에 음영 채우기/신뢰 영역 추가/산점도/산점도, 적합된 회귀선 추가

53분

책갈피 : [00:01] facet_grid / [00:42] 그래프 분할 결과 확인 / [01:07] free_y / [01:59] space="free_y" / [02:29] ggplot을 이용한 선 그래프 그리기 / [02:58] BOD데이터 내용 살펴보기 / [03:45] x축 변수가 숫자형 변수일때 / [04:10] 축정보 변경하기 / [05:00] scale_y_continuous / [06:14] 순서를 바꾼 수행 결과 / [06:51] ylim, scale_y_continuous / [07:28] coord_cartesian / [08:47] 코드 수행 결과 / [09:24] expand_limits / [10:01] 점 추가하기 / [10:11] geom_point / [10:49] 여러 선 그리기 / [11:08] ToothGrowth데이터 살펴보기 / [12:22] c("supp","dose") / [12:37] summarise / [13:18] 품목별 무게의 합계 결과보기 / [14:31] 비타민 주입량에 따른 치아길이 평균 그래프 / [15:15] group=supp / [15:57] colour=supp / [17:23] 그룹별로 포인트 모양을 바꾸는 방법 / [18:29] 그룹별로 색상을 다르게 하는 방법 / [19:12] 코드 수행 결과 / [19:38] position_dodge / [20:03] x축이 명목형일 경우 선으로 연결하기 / [20:44] 연결형과 명목형의 차이 알아보기 / [22:08] group=1 / [22:34] 그룹이 여러개인 데이터 프레임의 경우 / [23:51] 맵핑정보와 그룹정보 표현 / [24:50] climate데이터 살펴보기 / [25:52] clim / [26:52] 그래프에 음영 넣기 / [27:10] geom_area / [28:16] 코드 수행 결과 / [28:55] geom_line / [29:22] 신뢰 영역 추가하기 / [29:32] geom_ribbon / [30:37] 신뢰구간에 점선 경계선 추가하기 / [31:20] 산점도 / [31:38] heightweight데이터 살펴보기 / [32:25] 코드수행 결과 / [33:49] scale_colour_manual / [35:24] scale_shape_manual / [35:51] scale_fill_manual / [36:16] 도형의 모양과 채우는 방식을 다르게 표현하기 / [36:51] heightweight group / [39:35] legend / [40:22] 연속변수를 색상이나 크기에 대입하기 / [41:02] 코드수행 결과 / [41:28] scale_colour_gradient / [42:21] 에스테틱스의 종류 / [43:24] 연속변수를 크기에 대입한 결과 / [43:55] scale_size_manual / [44:40] 코드 수행 결과 / [45:58] scale_size_area / [47:19] 적합된 회귀선 추가하기 / [47:30] 선형 모델로 데이터 적합 / [49:06] 코드 수행 결과 / [49:37] 비선형 모델로 데이터 적합 / [52:04] 외삽법을 이용할 경우

18 데이터의 시각화(4)

이미 만들어진 모형의 적합선 추가하기/그래프의 주석 및 라벨 추가하기/데이터의 분포 요약/히스토그램/밀도곡선/박스플롯

1시간 3분

책갈피 : [00:02] 만들어진 모형의 적합선 추가하기 / [00:14] heightweight데이터 내용 확인 / [01:43] geom_line / [01:50] 별도의 데이터 프레임 / [02:25] newdata / [02:50] 코드 수행 결과 / [04:04] 그래프 확인 / [04:37] predvals 데이터 프레임 내용 확인 / [05:33] 성별정보 산점도 그래프 보기 / [06:20] 선형회귀분석 / [06:43] plyr패키지 / [07:46] models 내용 살펴보기 / [08:15] f, m 회귀분석 수행 결과 / [08:37] predict / [09:50] lm의 경우 / [10:25] loess의 경우 / [12:15] 그래프 확인 / [13:00] xrange / [13:37] 외삽 / [14:09] 모형개수들을 주석으로 추가하기 / [14:21] 회귀분석 결과 살펴보기 / [16:04] 코드 수행 결과 / [16:20] parse=T / [17:04] inf, just / [19:09] just값을 조절한 코드 수행 / [21:19] 텍스트 위치 변동을 위한 변경 / [21:40] 텍스트 위치 변경 코드 설명 / [22:00] 산점도의 점에 라벨 붙이기 / [22:07] countries데이터 프레임 내용 확인 / [22:55] df객체 내용 / [23:38] annotate를 통한 주석 추가 / [24:30] newdata 설정 / [25:35] 코드 수행 결과 / [26:08] geom_text / [26:53] size를 바꾼 수행 결과 / [27:31] hjust, vjust / [28:48] x좌표, y좌표 치환 / [29:31] hjust를 -1로 할 경우 / [30:57] 일부열만 라벨을 붙이는 경우 / [32:05] 데이터 분포 요약 방법 / [32:22] 히스토그램 / [32:27] geom_histogram / [32:52] faithful 데이터 살펴보기 / [33:38] 간단한 히스토그램 그려보기 / [34:37] width, fill, colour를 바꾼 히스토그램 결과 / [35:11] /5 binsize / [36:03] origin / [37:54] ggplot / [38:53] 여러그룹을 히스토그램 생성하는 방법 / [39:12] birthwt데이터 프레임 확인 / [40:01] facet_grid(smoke~.) / [41:37] 라벨값을 조정한 결과 / [42:34] revalue / [43:18] 코드 수행 결과 / [43:42] facet_grid(race~.) / [44:45] scales="free" / [45:16] space="free" / [46:05] factor(smoke) / [47:06] position="identity" / [47:42] 밀도 곡선 / [48:29] density / [48:51] expand_limits / [51:07] geom_histogram / [52:06] y=..density.. / [53:13] colour, fill / [54:27] facet_grid / [55:19] 박스 플롯 / [55:29] 박스 플롯의 구성 살펴보기 / [57:07] outlier.size, outlier.shape / [59:00] 옵션을 다르게한 세가지 그림을 비교해보기 / [01:00:18] notch 삽입 / [01:01:24] stat_summary

19 데이터의 시각화(5)

윌킨슨 점그래프/이차원 데이터의 밀도그래프 그리기/주석, 텍스트 주석넣기/선 추가하기/부분 강조하기/오차막대 추가하기/축, 축 정보 변경/눈금설정

59분

책갈피 : [00:01] geom_violin / [01:04] violin그래프 / [02:42] trim=F / [03:29] scale="count" / [03:46] adjust / [04:26] 윌킨슨 점 그래프 / [05:05] 코드 수행 결과 / [05:22] geom_dotplot / [07:20] boxplot, dotplot의 좌표위치 수정 / [08:51] 이차원 데이터의 밀도 그래프 / [09:29] stat_density2d / [10:15] colour=..level.. / [10:52] alpha=..level.. / [12:25] alpha=..density.. / [12:45] geom="raster" / [13:49] 대역폭을 수정한 수행 결과 / [14:20] 주석 / [15:01] 텍스트 주석 넣기 / [16:44] annotate, geom_text / [18:27] x=inf, x=-inf / [18:49] parse=T / [19:34] Function: '* / [20:37] %*% / [21:10] 선 추가하기 / [22:40] 수평선과 수직선 그리기 / [23:04] 각도가 잇는 선 추가 / [23:06] geom_abline / [24:23] 코드 수행 결과 / [24:43] geom_hline / [25:53] PlantGrowth데이터 프레임 살펴보기 / [26:10] 명목형 변수값 / [26:30] pg / [28:25] 선분을 추가하는 방법 / [28:33] climate데이터 / [29:44] 코드 수행 결과 / [30:19] angle, length를 수정한 결과값 / [31:10] 각도를 조절한 활용 / [31:26] 부분 강조하기(음영추가) / [31:30] rect / [33:10] 오차 막대 추가하기 / [33:27] geom_errorbar / [35:06] 코드 수행 결과 / [35:31] dodge / [36:39] position_dodge(.9) / [37:26] geom_line, geom_point / [38:23] pd= position_dodge / [39:04] 분할면에 주석 넣기 / [39:34] mpg데이터 살펴보기 / [40:25] 기본분할 그래프 내용 살펴보기 / [41:00] f_labels 생성 / [43:00] 축 정보 변경 / [43:22] 기본 그래프 외형 살펴보기 / [44:59] limits=rev / [46:05] scale_x_discrete / [47:14] 코드 수행 결과 / [48:33] scale_y_continuous / [48:50] ylim / [49:02] scale_y_reverse / [50:36] 눈금 설정 / [50:52] sp + coord_fixed / [51:48] 코드 수행 결과 / [52:39] breaks=seq / [53:20] ratio / [54:48] PlantGrowth / [55:58] scale_x_discrete / [57:23] theme / [57:35] element_blank / [58:34] 라벨과 눈금을 동시에 제거하는 코드 수행 / [58:57] breaks=NULL

20 데이터의 시각화(6)

축, 눈금 라벨 변경/축 라벨 변경/축을 따라 선 표시/범례위치 조절/데이터 변형/데이터 부분집합 취하기/연속변수를 범주형 변수로 코딩/집단별로 변형/reshape

59분

책갈피 : [00:02] 눈금 라벨 변경 / [00:14] axis.text, axis.title / [00:35] element_blank, element_text / [01:07] 눈금라벨 변경 코드 수행 / [01:27] 텍스트 속성을 설정한 결과 / [02:31] 축 라벨 변경 / [03:58] 코드 수행 결과 / [04:25] 축을 따라 선 표시 / [04:34] theme_bw / [06:07] axis.line =element_line / [06:46] lineend="square / [07:07] 범례 제거 및 위치 설정 / [08:05] 가이드를 이용한 코드 수행 결과 / [08:22] scale_fill_discrete 효과 / [08:59] legend.position / [10:03] legend.position의 좌표설정 살펴보기 / [11:36] legend.justification / [12:39] legene.background / [13:13] theme()내에서 사용하는 테마 속성들 / [13:36] element_rect() / [14:43] 설정값을 변경안 코드 수행 결과 / [16:01] legend.key = element_blank / [16:34] 데이터 변형 항수 / [18:04] PlantGrowth데이터셋 살펴보기 / [18:46] subset / [19:37] 코드 수행 결과 / [21:15] 대괄호를 이용한 인덱싱 방법 / [22:07] with함수 / [22:49] transform, mutate / [24:47] 코드 수행 결과 / [25:46] cut / [26:10] 결측치 / [27:26] NA로 코딩되는 예 / [28:06] 명목형 변환 / [28:12] wtclass / [28:36] 코드 수행 결과 / [29:12] cabbages내용 살펴보기 / [31:02] Cult / [32:45] ddply / [36:00] .drop.F / [36:33] 데이터에 결측치가 좋재할때 / [36:53] 코드 수행 결과 / [38:22] is.na / [38:30] 평균, 표준편차. 빈도수 / [38:57] ci / [38:56] 신뢰구간 / [39:18] se=sd / [39:54] qt함수 / [41:03] 코드 수행 결과 / [42:35] summarySE / [42:55] summarise / [44:05] r에서의 장점 / [44:34] 신뢰구간 코드 수행 / [45:22] ggplot / [45:44] geom_bar, geom_errorbar / [46:12] geom_text / [46:57] 코드 수행 결과 / [47:23] reshape2패키지 / [50:11] melt함수 적용 / [51:11] drunk 예시 살펴보기 / [52:19] plum_wide 예시 살펴보기 / [54:02] co=corneas / [55:38] dcast / [56:14] 두개의 측정변수가 있는 경우

샘플확인 : 알지오 검색후 -> 강의검색란 -> R 프로그래밍 [실무]