데이터마이닝 기법을 목적에 따라 크게 예측, 분류분석, 군집분석, 연관규칙으로 나눌 수 있는데, 이 책에서는 이와 같은 구분에 따라 4부로 구성하였다. 1부의 예측 기법에서는 회귀분석, 주성분분석 및 부분최소자승 회귀분석을 다루고 있다. 2부의 분류분석에서는 로지스틱 회귀분석, 판별분석, 트리기반 기법, 그리고 서포트 벡터 머신을 설명하고 있다. 3부에서는 군집분석을 다루고 있는데, 크게 계층적 군집분석과 비계층 군집분석으로 우선 구분하여 계층적 군집분석에서는 주로 연결법을 설명하고 비계층 군집분석에서는 K-means, K-medoids, 퍼지 K-means, 모형기반 군집방법 등을 소개하고 있다. 마지막 4부에서는 연관규칙과 추천시스템을 포함하고 있다. 연관규칙은 많은 데이터마이닝 서적에서 구체적인 알고리즘을 소개하지 않고 있지만 데이터로부터 유용한 패턴을 찾는다는 데이터마이닝의 주목적에 부합하는 주제이므로 이 책에서는 다루고 있다.

1장 데이터마이닝 개요 1.1 데이터마이닝의 기능과 기법 1.2 데이터마이닝의 활용 분야 1.3 참고사항 1부 예측 2장 회귀분석 2.1 다중회귀모형 2.2 회귀계수의 추정 2.3 모형에 따른 추론 2.4 변수선택 방법 2.5 회귀모형의 진단 2.6 반응치에 대한 추정 및 예측 2.7 다중공선성 2.8 지시변수와 회귀모형 2.9 참고사항 3장 주성분분석 3.1 변수의 변동과 제곱합 3.2 주성분의 이해 3.3 행렬의 분해 3.4 주성분 스코어 3.5 제곱합 분해 3.6 NIPALS 알고리즘 3.7 주성분 회귀분석 3.8 참고사항 4장 부분최소자승 회귀분석 4.1 하나의 종속변수에 대한 PLS 회귀분석 4.2 다수의 종속변수에 대한 PLS 회귀분석 4.3 예측성능 평가 4.4 참고사항 2부 분류분석 5장 분류분석 개요 5.1 분류문제 및 분류기법 5.2 기본적인 분류기법 5.3 참고사항 6장 로지스틱 회귀분석 6.1 이분 로지스틱 회귀모형 6.2 명목 로지스틱 회귀모형 6.3 서열 로지스틱 회귀모형 6.4 참고사항 7장 판별분석 7.1 피셔 방법 7.2 의사결정론에 의한 분류규칙 7.3 오분류비용을 고려한 분류규칙 7.4 이차판별분석 7.5 세 범주 이상의 분류 7.6 참고사항 8장 트리기반 기법 8.1 CART 개요 8.2 트리의 형성 8.3 가지치기 및 최종 트리 선정 8.4 기타 트리 기법 8.5 참고사항 9장 서포트 벡터 머신 9.1 선형 SVM-분리 가능 경우 9.2 선형 SVM-분리 불가능 경우 9.3 비선형 SVM 9.4 참고사항 10장 분류규칙의 성능 평가 10.1 분류오류율 10.2 정확도, 민감도 및 특이도 10.3 ROC 곡선 10.4 이익도표 10.5 참고사항 3부 군집분석 11장 군집분석 개요 11.1 군집분석 기법 11.2 객체 간의 유사성 척도 11.3 범주형 객체의 유사성 척도 11.4 참고사항 12장 계층적 군집방법 12.1 군집 간 거리척도 및 연결법 12.2 연결법의 군집 알고리즘 12.3 워드 방법 12.4 분리적 방법-다이아나 12.5 군집수의 결정 12.6 참고사항 13장 비계층적 군집방법 13.1 K-means 알고리즘 13.2 K-medoids 군집방법 13.3 퍼지 K-means 알고리즘 13.4 모형기반 군집방법 13.5 참고사항 14장 군집해의 평가 및 해석 14.1 군집해의 평가 14.2 군집해의 해석 14.3 참고사항 4부 연관규칙 15장 연관규칙 15.1 연관규칙의 정의 및 성능척도 15.2 연관규칙의 탐사 15.3 순차적 패턴의 탐사 15.4 항목의 선정 15.5 참고사항 16장 추천시스템 16.1 내용기반 추천시스템 16.2 협업 필터링 16.3 시장바구니 데이터를 이용한 협업 필터링 16.4 참고사항