分類是壹種基本的數據分析方法。根據其特點，數據對象可以分為不同的部分和類型，進壹步分析可以進壹步探索事物的本質。
返回
回歸是壹種應用廣泛的計算分析方法，通過指定因變量和自變量來確定變量之間的因果關系，建立回歸模型，並根據實測數據求解模型的參數，進而評價回歸模型是否能很好地擬合實測數據。如果能很好的擬合，就可以根據自變量做進壹步的預測。
3.使聚集
聚類是將數據按照數據的內涵劃分成壹些聚集類，每個聚集類中的元素盡可能具有相同的特征，不同聚集類之間的特征盡可能不同的壹種分類方法。與分類分析不同，分類的類別是未知的。因此，聚類分析也被稱為無監督或無監督學習。
4.相似匹配
相似匹配是通過壹定的方法計算兩個數據的相似度，相似度通常用百分比來衡量。類似的匹配算法被用於許多不同的會計場景，如數據清洗、用戶輸入糾錯、推薦計算、抄襲檢測系統、主動評分系統、網頁搜索和DNA序列匹配。
5.頻繁項目集
頻繁項集是指事例中的頻繁項集，比如啤酒和尿布。Apriori算法是壹種挖掘相關規則的頻繁項集算法。其核心思想是通過候選集生成和情節下降檢測兩個階段來挖掘頻繁項集。現在已經廣泛應用於商業、網絡安全等領域。