「Rによる」と「Rで学ぶ」データサイエンス

　この本をさらに充実した「Rで学ぶデータサイエンス（全8巻）」の発行予定日がAmazonにあったので、目次といっしょにアップしときます。

1.カテゴリカルデータ解析(2010年2月刊行予定)

1. カテゴリカルデータの取り扱い
2. カテゴリカルデータの集計とグラフ表示
3. 比率に関する分析
4. ２元分割表の解析
5. ３元分割表の解析
6. ロジスティック回帰分析
7. ポアソン回帰分析
8. 対数線形モデルによる解析
9. 対応分析
10. 樹形モデル
11. 数量化の諸方法

2.多次元データ解析法(2009年9月刊行予定)

1. 統計学の基礎
2. Rの基礎
3. 線形回帰モデル
4. 判別分析
5. ロジスティック回帰モデル
6. 主成分分析法
7. 対応分析法
8. 因子分析法
9. 正準相関分析法
10. 多次元尺度法
11. クラスター分析法

3.ベイズ統計データ解析(2010年1月刊行予定)

1. ベイズ統計解析の基本
2. 回帰モデルに関するベイズ推測
3. 複雑なモデルのための計算法
4. MCMC法
5. 階層的なベイズモデル
6. 判別分析とパターン認識
7. 状態空間モデルによるベイズ解析
8. トレンドの推定と季節調整
9. 時変係数ARモデル
10. 時変係数VARモデル
11. 非ガウス型モデル
12. ヒューマンインタフェースにおけるデータ解析の事例
13. 動的生産関数解析の事例

4.ブートストラップ入門(2010年1月刊行予定)

1. Rの使用準備とデータ解析の基礎
2. ブートストラップ法の概説
3. 信頼区間の構成
4. 仮説検定
5. 回帰分析
6. 時系列データ解析
7. 効率的リサンプリング法

5.パターン認識(2010年2月刊行予定)

1. はじめに
2. 判別分析
3. ロジスティック回帰
4. k-近傍法
5. 密度推定
6. k-平均法
7. 階層的クラスタリング
8. 判別能力の評価
9. 混合正規モデル
10. 学習ベクトル量子化
11. サポートベクトルマシン
12. ミニマックス確率マシン
13. ブースティング
14. 2値判別から多値判別へ

6.マシンラーニング(2009年6月刊行予定)

1. 序論
2. 重回帰
3. ノンパラメトリック回帰
4. Fisherの判別分析
5. 一般化加法モデル(GAM)による判別
6. 樹形モデルとMARS
7. ニューラルネットワーク
8. サポートベクターマシン(SVM)
9. 生存時間解析

7.空間データ解析(2009年9月刊行予定)

1. 地理空間データ
2. 地理空間データの可視化
3. 地理空間分布パターン
4. ネットワーク分析
5. 地理空間相関分析
6. 立地分析

8.ネットワーク分析(2009年10月刊行予定)

1. ネットワークデータの入力
2. 最短距離
3. ネットワーク構造の諸指標
4. 中心性
5. ネットワーク構造の分析
6. ネットワークの類似性
7. ネットワーク指標の有意性検定
8. モチーフ
9. 複雑ネットワーク
10. グラフ描画