دسته‌بندی الگوریتم‌های داده کاوی:

 

الگوریتم درخت تصمیم

این الگوریتم یکی‌از پرکاربردترین الگوریتم های داده کاوی برای جستجو در داده‌ها و کشف علم میباشد. این الگوریتم، داده‌ها را به دسته‌های معین تقسیم می‌نماید و هر دسته مشمول چند ذیل دسته از داده‌هایی میباشد که دارنده خصوصیت‌های قابل پیش‌بینی می‌باشند. الگوریتم درخت تصمیم به‌این شکل کار می‌نماید که درباره‌ی یک غرض خاص چندین خصوصیت را تجزیه و حالت را برای پیش‌بینی و هدفمندی فروش مهیا می‌نماید.

 

الگوریتم خوشه‌بندی

این الگوریتم، اطلاعاتی را که خصوصیت‌های در حدود هم و شبیه دارا‌هستند را در قطعه‌هایی غیروابسته به اسم خوشه قرار میدهد، به نحوی که اعضای باطن یک خوشه تشابه‌های متعددی به یکدیگر دارا هستند؛ ولی اعضاء هر خوشه با اعضای مو جود در خوشه‌های دیگر همانندی کمتر داراست. الگوریتم خوشه‌بندی می توانیم برای تقسیم‌بندی مشتریان براساس هزینه‌ها و درآمدها، انتخاب گونه های قراردادهای پیمانکاری براساس پرداخت وجه از مشتری و ..... به کار گیری کنیم.

 

الگوریتم تعلق

این الگوریتم یک شیوه مطلوب و قادر برای یافتن رابطه ها دیدنی میان متغیرهای جانور در مقر داده‌های بلندمرتبه میباشد. در واقع تعلق فی مابین داده‌ها به صورت یک تیم از قواعد شناسایی و قابلیت و امکان حادثه دو یا این که تعدادی مشخصه در کنار یکدیگر را انتخاب می‌نماید. از این الگوریتم قادر خواهیم بود برای تجزیه و آنالیز اخلاق و رفتار مشتریان، محاسبه داده ها سبد خرید و دکوراسیون محصول ها که سبب ساز میشود کالاها را به طور هدفدار به مشتری سفارش دهیم، به کار گیری کنیم.

 

الگوریتم رگرسیون خطی

این الگوریتم یک تکنیک آماری برای پژوهش و سبک‌سازی رابطه ها دربین داده‌ها است که از فرمول‌های مطلوب چهت نیل به پیش‌بینی‌ها استعمال می‌نماید و تنوع دیگری از الگوریتم درخت تصمیم میباشد.

 

الگوریتم بیز

این الگوریتم برای مدلسازی پیشگویانه ارائه گردیده؛ یعنی برای تیم‌بندی داده‌ها از احتمال وقوع یا این که عدم احتمال وقوع یک پدیده و احتمال چهره دادن آن به کار گیری می شود و سازمان برای بازاریابی میتواند فیض را برای یک مشتری خاص تخت گاز پیش‌بینی نماید.