（概要）
人気ブログ「銀座で働くデータサイエンティストのブログ」を運営する現役データサイエンティスト（Data Scientist）である著者が，Rを使ったデータマイニングの基礎から最新の手法まで，ビジネス現場での具体例を交えながらやさしく解説します。技術評論社のサイトからダウンロードできるサンプルデータを用いて実際に手を動かしながら学習していく方式なので，データもRも「使える」力を確実に身に付けることができます。

（こんな方におすすめ）
・データマイニングの入門者
・統計分析ツール「R」を使ってみたい方

（目次）
第1章　データマイニングとは
　1-1　データマイニングって一体何？
　1-2　データマイニングの両輪：統計学と機械学習
　1-3　これだけは覚えておきたい基礎知識
　1-4　大事なのは「イメージ」できるようになること
　1-5　この本を読み進める上での注意点

第2章　Rを使ってみよう
　2-1　Rとは
　2-2　Rのインストール
　2-3　RStudioのインストール
　2-4　Rでデータ操作をしてみよう
　2-5　CRANパッケージを使ってみよう
　2-6　Rによるコーディングについて
　2-7　formula式を覚えよう
　［コラム］サンプルデータのダウンロードについて

第3章　その2つのデータ，本当に差があるの？　～仮説検定～
　3-1　それが偶然に起きたことか必然的に生じたことかを判定する＝仮説検定と有意確率
　3-2　t検定：いわゆる「有意差」を見つける代表的なメソッド
　3-3　独立性の検定（カイ二乗検定）：施策の効果があったかどうかを見る
　3-4　順位和検定：分布同士の「ずれ」を見る

第4章　ビールの生産計画を立てよう～重回帰分析～
　4-1　ある「目的となるデータ」をさまざまな「独立な周辺データ」から「説明」したい＝回帰
　4-2　重回帰分析＝複数の説明変数でひとつの目的変数を説明する
　4-3　重回帰分析をやってみよう
　4-4　「偏回帰係数」と「相関係数」の違いに注意
　［コラム］どれくらいの個数のデータを集めれば良い？

第5章　自社サービス登録会員をグループ分けしてみよう　～クラスタリング～
　5-1　「何かの基準に基づいて似たもの同士をまとめる」＝クラスタリング
　5-2　Rで利用できるクラスタリング手法たち
　5-3　eコマースサイトの顧客データでクラスタリングしてみよう

第6章　コンバージョン率を引き上げる要因はどこに？　～ロジスティック回帰～
　6-1　「一般化線形モデル」とは
　6-2　パーセンテージのように「上限と下限が決まっている」場合のロジスティック回帰
　6-3　テストの合否のように「Yes／No(1 or 0)の二値で現れる」場合のロジスティック回帰
　6-4　実際にロジスティック回帰をやってみよう
　［コラム］ データ分析の勉強会に参加してみませんか？

第7章　どのキャンペーンページが効果的だったのか？　～決定木～
　7-1　決定木から始める機械学習
　7-2　「できるだけ外れているものをよけるように」分岐条件の順番を決めていく＝決定木
　7-3　決定木を試してみよう
　7-4　決定木で回帰分析をすると「回帰木」になる
　［コラム］ Rの次は何を勉強するべき？

第8章　新規ユーザーの属性データから今後のアクティブユーザー数を予測しよう　～SVM／ランダムフォレスト～
　8-1　機械学習とはどういうもの？
　8-2　サポートベクターマシン(SVM)：「美しく」分類する機械学習の王様
　8-3　ランダムフォレスト：コンピューターの進歩が生み出した機械学習の若きスター
　8-4　新規ユーザーの属性データから，1ヶ月後のアクティブユーザー数を予測してみよう

第9章　ECサイトの購入カテゴリデータから何が見える？　～アソシエーション分析～
　9-1　「Xが起きればYも起きる」をモデリングする
　9-2　ECサイトの購入カテゴリデータからおすすめカテゴリ導線のプランを考えてみよう
　［コラム］レコメンデーション（推薦）システムとの関係

第10章　Rでさらに広がるデータマイニングの世界　～その他の分析メソッドについて～
　10-1　分散分析
　10-2　一般化線形モデルとその応用
　10-3　主成分分析，因子分析とその発展形
　10-4　機械学習のその他の手法と発展形
　10-5　グラフ理論・ネットワーク分析
　10-6　計量時系列分析
　10-7　ベイジアンモデリング
　10-8　その他の新旧メソッドたち