无论是金融、体育、制造业还是其他行业，越来越多的企业和企业家发现在收集、分析和挖掘数据方面的潜力。而能够有效挖掘并分析数据的方法，就需要数据挖掘技术与相关的算法。
数据挖掘的常用算法有很多，其中最著名的十种算法是：决策树、聚类、回归、Aprior算法、SVM(支持向量机)、模式识别、BP（神经网络）算法、EM算法、PageRank算法、协同过滤。
其中，决策树是数据挖掘中最常用也是最简单的算法，是一种分类与预测的方法。根据特定条件对数据进行分类，形成一颗决策树，使用这颗决策树进行数据的分类和预测。
聚类就是将数据进行分类，根据数据的特征将数据聚类成为若干簇，而簇内的数据相似度比较高，簇间的数据相似度比较低，聚类的最终结果就是把原始数据分为若干不同的聚类簇。
回归是指利用数据了解目标变量，或者说是指定变量因特定参数的变化而发生变化的趋势数量之间的关系，并根据这一关系把特定变量的变化值预测出来。
Apriori算法基于定义的最小支持度，在数据库中以“一对组合”的形式检索出公共购买组合项，并从大到小排序，实现从大量数据中进行关联规则挖掘的一种算法。
SVM（支持向量机）算法是一种监督学习的有效算法，可以用来解决回归、分类和其他优化问题。
模式识别是学习机器获取信息的过程，它主要用于设备自动识别图像、声音、文本等信息的一种技术。
BP（神经网络）是一种自适应过程，其应用极广泛，它可以用于识别图像、声音、文本和数据预测分析等多种功能。
EM算法是一种迭代算法，它能够帮助数据的分析者在低事件空间的条件下有效地收集数据、处理数据和估计参数，这也是数据处理的重要算法。
PageRank算法是Google搜索引擎技术的基础之一，它的主要算法就是PageRank，由于涉及到多个因素，PageRank算法可以有效地提高网页的排名。
协同过滤算法是把用户的行为进行分析，根据大量现有用户操作的记录来推断用户的偏好，然后给用户推荐相关的物品，以满足用户的需求。
以上十种算法，可以说是当今数据挖掘非常重要的十大算法，搞懂了这些十大算法，就可以大大提高数据挖掘的技术水平。
