1　はじめに 　 1.1　現象のモデル化 　 1.2　識別・判別 　 1.3　次元圧縮 　 1.4　分類 　 2　線形回帰モデル 　 2.1　2変数間の関係を捉える 　 2.2　多変数間の関係を捉える 　 3　非線形回帰モデル 　 3.1　現象のモデル化 　 3.2　基底関数に基づくモデル 　 3.3　基底展開法 　 3.4　正則化法 　 4　ロジスティック回帰モデル 　 4.1　リスク予測モデル 　 4.2　複合リスク予測モデル 　 4.3　非線形ロジスティック回帰モデル 　 5　モデル評価基準 　 5.1　予測誤差に基づく評価基準 　 5.2　情報量基準 　 5.3　ベイズ型モデル評価基準 　 6　判別分析 　 6.1　フィッシャーの線形判別 　 6.2　マハラノビス距離に基づく判別法 　 6.3　多群判別 　 6.4　変数選択 　 6.5　正準判別 　 7　ベイズ判別 　 7.1　ベイズの定理 　 7.2　ベイズ判別法 　 7.3　ロジスティック判別 　 8　サポートベクターマシーン 　 8.1　分離超平面の構成 　 8.2　線形分離可能でない場合のテクニック 　 8.3　線形から非線形へ 　 9　主成分分析 　 9.1　主成分の構成 　 9.2　カーネル主成分分析 　 10　クラスター分析 　 10.1　階層的分類法 　 10.2　非階層的分類法 　 10.3　混合分布モデル 　 　付録A　ブートストラップ法 　付録B　ラグランジュの未定乗数法 　付録C　EMアルゴリズム