1부 입문 편 
  1장 수치형 데이터의 탐색 
    1.1 수치형 변수의 분포 = 3
    1.2 다섯 수치 요약 = 7
    1.3 정규분포, 평균과 표준편차 = 9
    1.4 특이점과 상자그림 = 11
    1.5 집단 간 비교 = 14
  2장 변수변환 
    2.1 변환의 유용성 = 21
    2.2 변환의 여러 유형 = 25
    2.3 박스-콕스 변환 = 28
  3장 범주형 데이터의 탐색 
    3.1 교차표의 시각화 : 모자이크 플롯 = 31
    3.2 연속형 X, 범주형 Y = 37
    3.A [부록] 베이즈 정리 = 41
  4장 통계적 추론 
    4.1 통계적 검정 = 43
    4.2 신뢰구간 = 48
    4.3 보론 = 51
  5장 회귀모형 
    5.1 산점도와 단순선형회귀 = 53
    5.2 다중선형회귀 = 56
    5.3 산점도 평활 lowess = 61
    5.4 일반화 가법모형 gam = 64
    5.5 보론 = 66
  6장 분류모형 
    6.1 로지스틱 회귀 = 69
    6.2 일반학 가법모형 = 75
    6.3 보론 = 76
  7장 나무 분류 및 회귀 
    7.1 나무 모형 = 79
    7.2 랜덤 포레스트 random forest = 87
  8장 군집화 
    8.1 들어가기 = 95
    8.2 k-평균 군집화 = 97
    8.3 변수 군집화 = 101
    8.4 다변량 데이터의 시각화 = 103
2부 토픽 편 
  9장 신경망 "neuralnet" 
    9.1 인공신경망 = 109
    9.2 역전파 알고리즘 = 112
    9.3 신경망의 구조 = 113
    9.4 R 팩키지 "neuralnet" = 113
    9.5 활용사례 = 115
    9.6 딥러닝 = 121
  10장 일반화선형모형의 정형화 "glmnet" 
    10.1 패널티 가능도 = 123
    10.2 간단한 수치 예 = 125
    10.3 lasso, ridge, elastic net의 통계적 성질 = 127
    10.4 Leukemia 데이터 : lambda의 선택 = 130
    10.5 R 팩키지 "glamnet"의 기능 = 133
  11장 변수 군집화 "ClustOfVar"과 "ClustVarLV" 
    11.1 ClustOfVar 방법론 = 135
    11.2 수치 예 : decathlon = 138
    11.3 변수공간의 시각화 = 142
    11.4 수치 예 : wine = 146
    11.5 ClustVarLV 방법론 = 150
  12장 가우스 혼합모형 "mclust" 
    12.1 가우스 혼합모형의 적합과 선택기준 = 155
    12.2 모형기반 군집화 = 156
    12.3 군집화 결과의 시각화 = 162
    12.4 분류에의 응용 = 165
    12.5 요약 = 168
  13장 사회네트워크에서 중심인물 "keyplayer" 
    13.1 개별노드 중심성 = 169
    13.2 그룹 중심성 = 174
    13.3 그룹 중심성의 최대화 = 177
    13.4 사례 : Friends 네트워크 = 179
    13.5 맺음말 = 182
  14장 G 부스팅 "xgboost" 
    14.1 G 부스팅의 원리 = 183
    14.2 G 부스팅 사례 = 185
    14.3 맺음말 = 196
찾아보기 = 197