第1部分 多變量分析 第1章 數據挖掘 1.1 何謂數據挖掘 1.2 多變量分析的方法 1.3 第1部分的閱讀方法 第2章 回歸分析 2.1 何謂回歸分析 2.2 合適準確的評價方法 2.3 例題 2.4 測試題——家庭收支情況分析 第3章 主成分分析 3.1 何謂主成分分析 3.2 例題——確定學生成績主成分個數 3.3 測試題——對學生成績進行主成分分析并構建數據圖表 第4章 判別分析 4.1 何謂判別分析 4.2 線性判別 4.3 非線性判別 4.4 例題——健康狀況判別分析 4.5 測試題——新汽車購買意愿判別分析 第5章 聚類分析 5.1 何謂聚類分析 5.2 層次聚類分析 5.3 k均值法 5.4 例題——用層次聚類分析法對數據進行聚集 5.5 測試題——對美國高等法院法官進行聚類分析 第2部分 機器學習 第6章 機器學習概述 6.1 何謂機器學習 6.2 人工智能與機器學習 6.3 機器學習與深度學習 第7章 神經網絡 7.1 何謂神經網絡 7.2 例題1——使用神經網絡對AND電路進行判別分析 7.3 例題2——使用經神網絡對數據進行回歸分析 7.4 測試題——神經網絡在判別分析和回歸分析中的應用 7.4.1 使用數據集iris進行判別分析 7.4.2 使用數據集ToothGrowth進行回歸分析 第8章 支持向量機（SVM） 8.1 何謂支持向量機 8.2 例題1——使用支持向量機對AND電路進行判別分析 8.3 例題2——使用支持向量機對數據進行回歸分析 8.4 測試題——使用支持向量機進行判別分析和回歸分析 8.4.1 使用數據集iris進行判別分析 8.4.2 使用數據集ToothGrowth進行回歸分析 第9章 貝葉斯估計 9.1 樸素貝葉斯分類器 9.2 例題——對車輛是否被盜進行貝葉斯分析 9.3 測試題——對iris數據集進行貝葉斯分析 第10章 自組織映射網絡 10.1 何謂自組織映射網絡 1O.2 例題——使用自組織映射實現數據分類 1O.3 測試題——對iris數據集生成網格圖并進行特征分析 第11章 決策樹 11.1 決策樹與隨機森林 11.2 例題1——使用決策樹AND電路進行判別分析 11.3 例題2——使用決策樹對數據進行回歸分析 11.4 測試題——決策樹在判別分析和回歸分析中的應用 11.4.1 使用數據集iris進行判別分析 11.4.2 使用數據集ToothGrowth進行回歸分析 第12章 深度學習 12.1 何謂深度學習 12.2 例題——用深度學習預測股票價格 12.3 測試題——用深度學習對iris數據集進行判別分析 附錄 R語言基礎知識與測試題解析 附錄1 在Windows環境中安裝R 附錄2 R的簡單運算 附錄3 各章測試題解析 后記 參考文獻