决策树算法
以人类可理解的规则的形式提取预测信息，这些规则可以是if-then-else，从而导致产生预测信息

朴素贝叶斯
它使用贝叶斯算法进行预测，该算法从数据中观察到的基础证据中得出概率预测。

广义线性模型
它实现对二值目标分类的逻辑回归和对连续目标的线性回归，它支持预测概率的置信区间，还支持预测的置信区间。

最小描述长度
这是信息理论模型的选择原则。它假定最简单，紧凑的数据表示是解释数据的最佳方法。

K-Means算法
这是一种基于距离的聚类算法，将数据划分为预定数量的聚类。每个聚类都有一个质心

Apriori算法
通过发现集合中同时出现的项目来执行基于市场的分析，该算法查找支持大于指定最小支持且置信度大于指定最小置信度的规则。

支持向量机
不同版本的SVM使用不同的内核函数来处理不同类型的数据集。支持线性和高斯（非线性）内核.SVM分类尝试以尽可能大的余量分离目标类.SVM回归尝试查找连续函数，以使最大数据点数位于围绕它的ε宽管内。

BI支持/使用非负矩阵分解，一类支持向量机，正交分区聚类，最大熵。