[1부] 데이터마이닝 기초
1장 들어가며
1.1 데이터마이닝이란?
1.2 데이터마이닝의 주요 알고리즘 소개
1.3 지도학습과 비지도학습
1.4 이 책의 범위

2장 데이터 전처리와 모형평가
2.1 서론
2.2 데이터 전처리
2.3 모형평가

[2부] 지도학습

3장 로지스틱 회귀
3.1 서론
3.2 로지스틱 회귀

4장 의사결정나무
4.1 서론
4.2 의사결정나무

5장 단순 베이즈 분류
5.1 서론
5.2 단순 베이즈 분류

[2부] 다변량 자료분석 Ⅱ
6장* {caret } 패키지 소개
6.1 서론
6.2 사용 절차: PLS 회귀 예제
6.3 {caret }의 적용 범위(모형)
6.4 {caret }을 이용한 변수선택

7장 k-인접이웃분류
7.1 서론
7.2 k-인접이웃분류
7.3* {caret}을 이용한 k-NN 분석

8장 신경망모형
8.1 서론
8.2 신경망모형

9장 서포트벡터머신
9.1 서론
9.2 기초 개념
9.3 SVM 알고리즘

10장 앙상블 모형
10.1 서론
10.2 배깅
10.3 다른 분석과의 비교
10.4 랜덤포리스트
10.5* {caret}를 이용한 랜덤포리스트

[3부] 비지도학습
11장 연관규칙
11.1 주요 개념
11.2 독립성분분석
11.3 연관규칙 알고리즘

12장 주성분분석
12.1 서론
12.2 주성분분석의 원리
12.3 PCA의 개념과 수리

13장 군집분석 Ⅰ
13.1 서론
13.2 계층적 군집
13.3 k-평균군집

14장* EM 알고리즘
14.1 서론
14.2 EM 알고리즘
14.3 응용: 혼합모형에서의 모수추정

15장 군집분석 Ⅱ
15.1 서론
15.2 혼합분포군집
15.3* 밀도기반군집

[4부] 주요 알고리즘
16장* PageRank 알고리즘
16.1 서론
16.2 기초 개념
16.3 PageRank 알고리즘

17장* 협업필터링
17.1 서론
17.2 협업필터링 방법
17.3 유사성 측도
17.4 사용자-기반 협업필터링
17.5 항목-기반 협업필터링
17.6 메모리-기반과 모형-기반 협업필터링

18장* 유전 알고리즘
18.1 서론
18.2 유전 알고리즘

[5부] 비정형 데이터마이닝
19장 텍스트마이닝
19.1 서론
19.2 워드클라우드: 예제
19.3 텍스트마이닝의 절차 소개
19.4 예제를 통한 텍스트마이닝
19.5 사례 분석: 한국어 자료

20장 감성분석
20.1 서론
20.2* {tidytext } 패키지를 이용한 감성분석
20.3* 문서-단어 행렬과 코퍼스 객체 간의 변환: tidy {tidytext } 함수
20.4 사례분석: 한국어 자료

21장 소셜 네트워크 분석
21.1 서론
21.2 소셜 네트워크 분석: 예제
21.3* 소셜 네트워크 분석

22장 빅데이터란 무엇인가?
22.1 서론
22.2 빅데이터의 생성원천과 특징
22.3 빅데이터 처리과정과 활용 사례
22.4 데이터과학자와 빅데이터 거버넌스

『R 데이터마이닝』은 각 분석법들의 목적과 아이디어를 간명하게 제시하고, 각 분석법들 간의 차이와 장단점을 이해함으로써 분석자 스스로가 보다 나은 분석법을 찾아갈 수 있도록 하는 데 주안점을 둔 점이다. 작은 분량 속에 매우 다양한 분석법을 소개하여 완성도를 높이고자 하였다. 각 분석마다 일정 수준까지의 분석 과정을 제시함으로써 해당 분석의 시발점으로 삼을 수 있도록 안내하고 있다.