仕事で多変量解析を勉強する必要が出てきたため購入しました。 独学ではありましたが非常にスムーズに理解が進みました。 ある程度数学に抵抗がなければ非常にお勧めしたい一冊です。 まったくの入門者の方にはやや難しい印象がありますので、 別の参考書で一通り概要を掴んだ後に読むのが良いかもしれません。

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