目次

第1章　はじめに
　1.1　多変量データ
　1.2　変数の種類
　1.3　多変量データの表し方
　1.4　多変量解析の目的
　1.5　教師あり学習と教師なし学習
　1.6　本書の構成
第2章　回帰分析I——線形単回帰モデル
　2.1　回帰分析と回帰モデル
　2.2　回帰係数の推定
　2.3　当てはまりの評価
　2.4　回帰モデルを用いる際の注意
　章末問題
第3章　回帰分析II——線形重回帰モデル
　3.1　線形重回帰モデル
　3.2　回帰係数の推定
　3.3　モデルの評価
　3.4　最小二乗推定量の計算*
　章末問題
第4章　回帰分析III——ロジスティック回帰モデル
　4.1　ダミー変数
　4.2　ロジスティック回帰モデル
　4.3　パラメータの推定
　4.4　モデルの評価
　4.5　多項ロジスティック回帰モデル
　4.6　回帰モデルの発展
　章末問題
第5章　判別分析
　5.1　判別分析とは
　5.2　分類結果の評価
　5.3　フィッシャーの線形判別
　5.4　マハラノビス距離
　5.5　非線形判別
　5.6　多群分類
　5.7　判別分析の計算*
　章末問題
第6章　サポートベクターマシン
　6.1　サポートベクターマシンとは
　6.2　ソフトマージンSVM
　6.3　カーネルSVM
　6.4　回帰への応用
　章末問題
第7章　決定木
　7.1　決定木とは
　7.2　決定木の構築
　7.3　分割数の決定
　7.4　ランダムフォレスト
　7.5　最適な分類手法は
　章末問題
第8章　クラスター分析
　8.1　クラスター分析とは
　8.2　観測値およびクラスター間の距離
　8.3　階層型クラスタリング
　8.4　非階層型クラスタリング
　8.5　クラスター数の選択
　8.6　クラスター分析手法の発展
　8.7　ウォード法の計算*
　章末問題
第9章　主成分分析
　9.1　次元の圧縮
　9.2　主成分分析とは
　9.3　主成分分析の詳細
　9.4　主成分分析の応用
　9.5　カーネル主成分分析
　9.6　主成分の導出*
　章末問題
第10章　因子分析
　10.1　因子分析とは
　10.2　因子分析モデル
　10.3　因子分析モデルの扱い
　10.4　因子回転
　10.5　共通因子の数の選択
　10.6　因子分析モデルの計算*
　章末問題
第11章　その他の多変量解析手法
　11.1　多次元尺度構成法
　11.2　正準相関分析
　11.3　対応分析
　11.4　構造方程式モデル
　章末問題
付録
　A.1　検証データによるモデルの評価
　A.2　カーネル法
　A.3　数量化法
参考文献