図解入門よくわかる多変量解析の基本と仕組み

概 要

高性能のパソコンの普及と優れたユーザーインターフェースを持つ統計ソフトウェアの開発によって、データ解析が各自で簡単に行える時代になりました。本書ではデータ分析で用いられている多変量解析手法についての解説を行っています。後半ではデータマイニング手法について解説しています。

著者 山口和範、高橋淳一、竹内光悦
価格 本体1800円(税別)
ISBN 4-7980-0792-7
発売日 2004/05/25
判型 A5
色数 2色
ページ数 240
CD/DVD
対象読者 入門
シリーズ 図解入門
表紙イメージ
購入 アマゾンで購入する

※リンク先によっては、販売ページが用意されていないことがあります。 あらかじめご了承ください。

新しいウィンドウで開く 書籍購入のご案内

サポート

サポート情報は以下からご参照下さい。

サポート情報へのリンク

目次

第1章 統計的なものの見方

1-1 データ分析とデータの加工

1-2 統計データの形式

1-3 データの型と尺度

第2章 基本統計量

2-1 代表値

2-2 バラツキの大きさを測る

2-3 統計的検定と有意確率

2-4 変数の関係を知るための統計量

2-5 伝統的多変量解析手法とデータマイニング

2-6 古典的統計的手法とデータマイニング手法の違い

第3章 回帰分析と判別分析

3-1 多変量解析とは

3-2 回帰分析

3-3 判別分析

3-4 数量化Ⅰ類、Ⅱ類

第4章 主成分分析と因子分析

4-1 主成分分析

4-2 数量化Ⅲ類

4-3 因子分析

4-4 例題データの分析

4-5 検証的因子分析

4-6 モデルの検証

第5章 クラスター分析と潜在クラス分析

5-1 クラスター分析

5-2 非階層的クラスター法

5-3 潜在クラス分析

第6章 アソシエーションルール

6-1 アソシエーションルールとは

6-2 アソシエーションルールで用いられる指標

6-3 アソシエーションルールの例題

6-4 アプリオリアルゴリズム

6-5 逐次ルール

第7章 決定木・回帰木

7-1 決定木や回帰木とはどのようなものか

7-2 分岐ルール

第8章 ニューラルネットワークモデル

8-1 ニューラルネットワークモデルとは

8-2 デルタルール

8-3 多層パーセプトロン

第9章 自己組織化マップ

9-1 自己組織化マップの概念

9-2 自己組織化マップの学習アルゴリズム

9-3 自己組織化マップの意義

第10章 記憶ベース推論

10-1 記憶ベース推論とは

10-2 パラメータの選び方

10-3 予測精度とは

第11章 サポートベクターマシーン

11-1 SVMの概要

11-2 SVMの計算方法

第12章 クロスバリエーションとモデルの評価

12-1 統計モデルの評価

12-2 クロスバリデーション

PR

秀和システム