用于数据挖掘的统计分析方法有什么

1.记忆基础推理法，记忆基础推理法最主要的概念是用已知的案例来预测未来案例的一些属性。
2.市场购物篮分析。
3.决策树，决策树在解决归类与预测上有着极强的能力。
4.基因算法,基因算法学习细胞演化的过程。
5.群集侦测技术，包含基因算法、类神经网络、统计学中的群集分析都有这个功能。
6.连结分析。
7.在线分析处理。
8.类神经网络类神经网络是以重复学习的方法，将一串例子交与学习，使其归纳出一足以区分的样式。
9.区别分析，通常应用在解决分类的问题上面。
10.罗吉斯回归分析，当区别分析中群体不符合常态分配假设时，罗吉斯回归分析是一个很好的替代方法。

关于数据挖掘的相关学习，推荐CDA数据师的相关课程，CDA数据分析师课程以项目调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并操作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。这种教学方式能够引发学员的独立思考及主观能动性，学员掌握的技能知识可以快速转化为自身能够灵活应用的技能，在面对不同场景时能够自由发挥。点击预约免费试听课。

（一）回归分析
统计学和数据挖掘的一个常见问题是根据特征或属性变量的值来预报某个—即回归分析，它取连续值的因变量——是描述两个（或两个以上）的变量之间相依关系的一个重要工具。
分析方法，相对于其他统计学方法，它更强调用数据本身来指导分析过程，而不是依赖于事先给定的某些假设。其主要目的是希望用较少的变量去解释原始资料中的大部份变异，期望能将许多相关性很高的变量转化成彼此互相独立的变量，能从其中选取较原始变量个数少且能解释大部份资料中的变异的几个新变量（降低原始变量的维数），也就是所谓的主成分，而这几个主成分也就成为我们用来解释资料的综合性指针。
（二）主成分分析
主成分分析是一种与数据挖掘思想最接近的探索性数据

云速数据挖掘啊