После получения релевантных данных для анализа необходимо применить соответствующие алгоритмы, позволяющие выявить присутствующие в них модели.
Определение подходящего алгоритма в каждом конкретном случае может быть очень непростой задачей. Нередко для анализа данных применяется сочетание целого ряда алгоритмов. Например, сначала можно использовать алгоритмы временных рядов для сглаживания данных, а затем – регрессионные алгоритмы для поиска трендов в них.
| Назначение | Алгоритм |
|---|---|
| Прогнозирование по времени | Алгоритмы временных рядов
|
| Прогнозирование последовательных переменных на основании значений других переменных набора | Регрессионные алгоритмы
|
| Поиск распространенных моделей наборов элементов в крупных транзакционных наборах данных для создания правил ассоциации | Ассоциативные алгоритмы
|
| Кластеризация наблюдений в группы схожих наборов элементов | Алгоритмы кластеризации
|
| Классификация и прогнозирование одной или нескольких дискретных переменных на основе значений других переменных набора | Деревья принятия решений
|
| Обнаружение посторонних значений в наборе данных | Алгоритмы обнаружения посторонних значений
|
| Прогнозирование, классификация и распознавание статистических моделей | Алгоритмы нейронной сети
|