1、決策樹：決策樹是壹種用於對實例進行分類的樹形結構。壹種依托於策略抉擇而建立起來的樹。決策樹由節點（node）和有向邊（directed edge）組成。節點的類型有兩種：內部節點和葉子節點。其中，內部節點表示壹個特征或屬性的測試條件（用於分開具有不同特性的記錄），葉子節點表示壹個分類。
2、貝葉斯：貝葉斯（Bayes）分類算法是壹類利用概率統計知識進行分類的算法，如樸素貝葉斯（Naive Bayes）算法。這些算法主要利用Bayes定理來預測壹個未知類別的樣本屬於各個類別的可能性，選擇其中可能性最大的壹個類別作為該樣本的最終類別。由於貝葉斯定理的成立本身需要壹個很強的條件獨立性假設前提，而此假設在實際情況中經常是不成立的，因而其分類準確性就會下降。
3、人工神經網絡：人工神經網絡（Artificial Neural Networks，ANN）是壹種應用類似於大腦神經突觸聯接的結構進行信息處理的數學模型。在這種模型中，大量的節點（或稱”神經元”，或”單元”）之間相互聯接構成網絡，即”神經網絡”，以達到處理信息的目的。神經網絡通常需要進行訓練，訓練的過程就是網絡進行學習的過程。