一、分类。

  分类法是对数据进行分析的基本方法，根据数据的特点，可以把数据对象分为不同的部分和类型，然后进一步分析，可以进一步挖掘事物的本质。

  二、回归。

  回归是一种广泛使用的统计分析方法，它可以确定因变量与自变量之间的因果关系，建立回归模型，并根据实测数据对各参数进行求解，然后评价回归模型是否能很好地拟合实测数据，如果能很好拟合，再根据自变量进行预测。

  三、聚类

  聚类是一种分类方法，它根据数据本身的性质将数据分为若干类别，每个类别中的元素具有尽可能相同的特征，不同类别间特征差异尽可能大，而分类分析则不同，所划分的类别是未知的，所以聚类分析又称无指导或无监督的学习。

  聚类是用于静态数据分析的一种技术，被广泛应用于机器学习、数据挖掘、模式识别、图像分析、生物信息等领域。

  四、相似匹配

  相似性匹配是用某种方法来计算两个数据的相似性，相似性通常是以一个百分比来表示的。在许多计算场景中，都采用了相似匹配算法，如数据清洗、用户输入纠错、推荐统计、剽窃检测、自动评分、网页搜索和DNA序列匹配等。

  五、频繁项目集合。

  频繁项集是实例中频繁出现的项的集合，例如啤酒和尿不湿，而Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过对候选项集的生成和情节的向下封闭检测两个阶段来挖掘频繁项集，目前已经在商业、网络安全等领域得到了广泛的应用。

  六、统计说明。

  统计学描述是指利用一定的统计指标和指标体系，根据数据的特征，表示出数据所反馈的信息，作为数据分析的基础，主要方法有：平均指标和变异指标的计算，数据分布形态的图形表现等。

  七、联系预测。

  联结预测是预测数据间应有联系的一种方法，联结预测可以分为基于节点属性的预测和基于网络结构的预测，基于节点属性的联结预测包括分析节点审计属性和联结属性之间的关系等信息，利用节点信息知识集和节点相似性等方法来确定节点之间的隐含关系。网络结构数据比基于节点属性的链接预测更容易获取。在复杂网络领域，有一种观点认为，网络中的个体特征不受个体关系的影响。所以，基于网络结构的链接预测越来越受到重视。

  八、数据压缩

  “数据压缩”是指在不损失有用信息的情况下，通过缩小数据量来减少存储空间，提高其传输、存储和处理效率，或者通过某种算法对数据进行重组，减少数据的冗余和存储空间的技术方法。资料压缩分为有损与无损两种。

  九、原因和结果分析。

  原因分析法是一种利用事物发展变化的因果关系进行预测的方法，市场预测主要是用因果分析法，除此之外，还常用计算经济模型、投人产出分析等方法。