1장 데이터마이닝 개요>1.1 데이터마이닝의 기능과 기법 1.2 데이터마이닝의 활용 분야 1.3 참고사항 1부 / 예측2장 회귀분석>2.1 다중회귀모형2.2 회귀계수의 추정2.3 모형에 따른 추론 2.4 변수선택 방법 2.5 회귀모형의 진단2.6 반응치에 대한 추정 및 예측2.7 다중공선성2.8 지시변수와 회귀모형2.9 참고사항3장 주성분분석>3.1 변수의 변동과 제곱합 3.2 주성분의 이해3.3 행렬의 분해3.4 주성분 스코어3.5 제곱합 분해3.6 NIPALS 알고리즘3.7 주성분 회귀분석 3.8 참고사항 4장 부분최소자승 회귀분석>4.1 하나의 종속변수에 대한 PLS 회귀분석 4.2 다수의 종속변수에 대한 PLS 회귀분석4.3 예측성능 평가 4.4 참고사항2부 / 분류분석5장 분류분석 개요>5.1 분류문제 및 분류기법 5.2 기본적인 분류기법 5.3 참고사항 6장 로지스틱 회귀분석>6.1 이분 로지스틱 회귀모형 6.2 명목 로지스틱 회귀모형 6.3 서열 로지스틱 회귀모형 6.4 참고사항 7장 판별분석>7.1 피셔 방법 7.2 의사결정론에 의한 분류규칙 7.3 오분류비용을 고려한 분류규칙7.4 이차판별분석 7.5 세 범주 이상의 분류 7.6 참고사항 8장 트리기반 기법>8.1 CART 개요 8.2 트리의 형성 8.3 가지치기 및 최종 트리 선정 8.4 기타 트리 기법 8.5 참고사항 9장 서포트 벡터 머신>9.1 선형 SVM-분리 가능 경우9.2 선형 SVM-분리 불가능 경우9.3 비선형 SVM 9.4 참고사항10장 분류규칙의 성능 평가>10.1 분류오류율10.2 정확도, 민감도 및 특이도 10.3 ROC 곡선 10.4 이익도표 10.5 참고사항 3부 / 군집분석11장 군집분석 개요>11.1 군집분석 기법 11.2 객체 간의 유사성 척도 11.3 범주형 객체의 유사성 척도 11.4 참고사항 12장 계층적 군집방법>12.1 군집 간 거리척도 및 연결법 12.2 연결법의 군집 알고리즘 12.3 워드 방법 12.4 분리적 방법-다이아나 12.5 군집수의 결정 12.6 참고사항 13장 비계층적 군집방법 >13.1 K-means 알고리즘13.2 K-medoids 군집방법 13.3 퍼지 K-means 알고리즘13.4 모형기반 군집방법13.5 참고사항 14장 군집해의 평가 및 해석 >14.1 군집해의 평가14.2 군집해의 해석14.3 참고사항 4부 / 연관규칙15장 연관규칙>15.1 연관규칙의 정의 및 성능척도15.2 연관규칙의 탐사15.3 순차적 패턴의 탐사 15.4 항목의 선정 15.5 참고사항 16장 추천시스템 >16.1 내용기반 추천시스템 16.2 협업 필터링 16.3 시장바구니 데이터를 이용한 협업 필터링 16.4 참고사항