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