الگوریتم k-means
این الگوریتم، روشی معمولی برای طریقهای دیگری از خوشهبندی میباشد. الگوریتم k-means روالی تکراری داراست که برای مشخص و معلوم کردن تعداد خوشههای اثبات به طور پایین شغل مینماید:
نقایص را تحت عنوان راس خوشهها معین مینماید که معدل نقطه طراحی سایت مرتبط با هر خوشه میباشد. آنگاه هر مثال دادهای که کمترین مسافت تا راس خوشه را داشته باشد به آن نسبت میدهد.
الگوریتم Apriori
این الگوریتم یک نحوه کلاسیک برای قواعد تعلق میباشد و روی مقر دادههایی که برای تراکنش استعمال می گردند، تاسیس شده است. همینطور یک الگوریتم زیر به بالا میباشد و سعی مینماید پایین تیمای از گزینهها را که مورد مشترک داراهستند، بیابد. مقصود این الگوریتم جستن تعلقها در میان دستههای گوناگون میباشد.
الگوریتم EM
این الگوریتم در موردهایی زیرا معدل داده، ماشین یادگیری و شناسایی کاربرد دارااست و یک الگوریتم تکراری میباشد که در تکرار آن دو مرحله وجود دارااست:
مرحله انتظار
مرحله حداکثرسازی
این الگوریتم یک طریق متداول برای مجالهایی می باشد که بعضا از متغیرهای تصادفی نهفته می باشند.
الگوریتم CART
این الگوریتم موجب تشکیل یک درخت تصمیم با تقسیمات دودویی میگردد و برای متغیرهای مقداری پیاده سازی گردیدهاست البته قابل به کارگیری برای هر نوع متغیری است و برای جواب به متغیر کیفی، از شاخص جینی برای تعیین متغیرهای مطلوب به کار گیری مینماید.