1.　序章
1.1　事例：あるスーパーマーケットの売場で
1.2　なぜ今，データマイニングなのか？
1.3　データマイニングとは何か？
1.4　データマイニングで扱うデータ
1.5　データマイニングのタスク
1.6　知識発見プロセス
1.7　本書の構成

2.　相関ルール
2.1　相関ルールとは
2.2　問題の定式化
2.3　アルゴリズム
2.4　飽和集合
2.5　興味深さの定義
2.6　顕在パターン
2.7　グラフマイニング

3.　数値相関ルール
3.1　1次元数値相関ルール
3.2　2次元数値相関ルール
3.3　ピラミッドによる数値属性相関ルール

4.　分類モデル
4.1　離反顧客分類モデル
4.2　分類モデルとは
4.3　モデルの判別性能の評価

5.　決定木
5.1　決定木の構築方法
5.2　分割基準
5.3　枝刈り
5.4　文字列を属性とした決定木の構築

6.　より高度な分類モデル
6.1　ベイズ分類
6.2　ニューラルネットワーク
6.3　サポートベクターマシーン
6.4　CAEP

7.　数値予測モデル
7.1　重回帰分析
7.2　サポートベクターマシーン回帰

8.　クラスタリング
8.1　定義と準備
8.2　クラスタリングのアルゴリズム

9.　応用事例
9.1　焼肉店注文データを用いた相関ルール分析
9.2　レセプトデータの解析
9.3　紙おむつのブランドロイヤリティ測定
9.4　オフィスビルの感性評価を考慮した賃料予測モデル
9.5　室配置を考慮した賃料分析：グラフマイニングの応用事例

文献
索引