数据挖掘算法概要

1. 统计方法

贝叶斯推理，对数回归，ANOVA分析和对数线性模型

2. 聚类分析

分裂算法，凝聚算法，划分聚类，增量聚类

3. 决策树和决策规则

主要是为人工智能锁开发的归纳学习方法，譬如：CLS方法，ID3算法，C4.5算法机器对应的剪枝算法

决策树和决策规则是解决实际应用中分类问题的数据挖掘方法。

4. 关联规则

购物篮分析，演绎算法，www路径遍历模式

关联规则的算法可以检索出数据库中和其他形式的数据中，所有可能的关联模式。

5. 人工神经网络

重点在于带有反向传播学习和Kohonen网络（自组织特征映射模型）的多层感知机

人工神经网络是由大量并行分布式处理单元组成的简单处理单元，有学习和归纳的能力。

6. 遗传算法

这是一种对解决难优化问题特别有用的方法

7. 模糊推理系统

基于模糊集合模糊逻辑理论，模糊建模和模糊决策。

8. N维可视化方法

是一种标准的数据挖掘算法，典型的数据挖掘可视化技术是几何学，基于图像、像素导向和分层的技术。

迭代和交互性是数据挖掘技术的基本特征。

数据挖掘阶段的标准方法是将几个包含同样的归纳学习任务的技术平行应用。