| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1. 研究背景 | 第10页 |
| 1.2. 问题的提出 | 第10-11页 |
| 1.3. 本文内容与结构 | 第11-13页 |
| 第二章 几种常用线性方法简介 | 第13-20页 |
| 2.1. 线性回归模型及最小二乘法 | 第13-14页 |
| 2.1.1. 模型及参数估计 | 第13页 |
| 2.1.2. 预测 | 第13-14页 |
| 2.2. Logistic回归 | 第14-16页 |
| 2.2.1. 模型及参数估计 | 第14-16页 |
| 2.2.2. 预测 | 第16页 |
| 2.3. 线性判别分析法 | 第16-17页 |
| 2.3.1. 模型及参数估计 | 第16-17页 |
| 2.4. 线性模型小结 | 第17-20页 |
| 第三章 两种降维方法 | 第20-22页 |
| 3.1. 主成分分析 | 第20页 |
| 3.2. 费舍尔判别分析 | 第20-22页 |
| 第四章 几种非线性方法简介 | 第22-29页 |
| 4.1. SVM(support vector machine支持向量机) | 第22-25页 |
| 4.1.1. Support Vector Classifier | 第22-23页 |
| 4.1.2. Kernel简介 | 第23页 |
| 4.1.3. SVM (s upport vector machine) | 第23-25页 |
| 4.2. 以树为基础的几种分类方法 | 第25-29页 |
| 4.2.1. 决策树 | 第25-27页 |
| 4.2.2. Bagging (Bootstrap Aggregating) | 第27页 |
| 4.2.3. 随机森林 | 第27-29页 |
| 第五章 实例应用及方法比较分析 | 第29-35页 |
| 5.1 数据分析 | 第29-33页 |
| 5.2 结论及展望 | 第33-35页 |
| 参考文献 | 第35-37页 |
| 附录：R语言程序代码 | 第37-52页 |
| 第一部分：测试数据R程序 | 第37-43页 |
| 第二部分：实例数据R程序 | 第43-52页 |
| 后记和致谢 | 第52页 |
