一、C4.5算法

C4.5是决策树算法ID3的改进，它继承了ID3 算法的优点，并用信息增益率选择划分属性，能处理非离散或不完整的数据。

二、K均值（K-means）算法

K-means是基于距离的聚类算法，师徒找出满足方差最小的K个聚类。

三、支持向量机（SVM）

SVM选择合适的核函数将低维空间中难以划分的向量集映射到高维空间，建立一个分割超平面使其与支持向量的距离最大。

四、最大期望（EM）算法

EM算法在概率模型中寻找参数最大似然估计或最大后验估计。算法包含E和M两个步骤。E步计算完整数据的对数似然函数期望；M步最大化期望以改进模型参数。

五、Apriori算法

Apriori算法是布尔关联规则频繁项集的挖掘算法，其核心是基于两阶段频集思想的递推算法。

六、PageRank算法

PageRank算法根据网页之间的超链接评价网页的相关性与重要性，用于衡量特定网页相对于搜索引擎索引中其他网页的重要程度。

七、AdaBoost算法

AdaBoost使用加权选取训练数据和加权投票机制，不断迭代地训练，将若干个弱分类器融合为一个强分类器。

八、K最近邻（KNN）分类算法

KNN是数据挖掘的经典分类算法，通过对象间距离作为各个对象之间的非相似性指标。

九、朴素贝叶斯算法

朴素贝叶斯算法是一种利用概率统计知识进行分类的统计学方法，其基本假定是给定目标值时属性之间相互条件独立。

十、分类与回归树（CART）

CART是一个二叉决策树，用基尼系数选择划分属性，递归生成树。