सांख्यिकीय डेटा माइनिंग की विभिन्न तकनीकें निम्नलिखित हैं -
रिग्रेशन (Regression) - ये दृष्टिकोण एक या अधिक भविष्यवक्ता (स्वतंत्र) चरों से प्रतिक्रिया (निर्भर) चर के मूल्य का पूर्वानुमान लगाने के लिए उपयोग किए जाते हैं जहां चर संख्यात्मक हैं। रिग्रेशन के कई रूप हैं, जिनमें रैखिक, बहु, भारित, बहुपद, गैर-पैरामीट्रिक, और मजबूत (मजबूत तकनीकें तब फायदेमंद होती हैं जब त्रुटियां सामान्यता की शर्तों को पूरा नहीं करतीं या जब डेटा में महत्वपूर्ण आउटलेयर शामिल होते हैं)।
सामान्यीकृत रैखिक मॉडल (Generalized Linear Models) - ये मॉडल, और उनका सामान्यीकरण (सामान्यीकृत योज्य मॉडल), एक श्रेणीगत प्रतिक्रिया चर (या इसके कुछ परिवर्तन) को भविष्यवक्ता चरों के एक सेट से जोड़ने में सक्षम बनाते हैं जैसे रैखिक प्रतिगमन का उपयोग करके एक संख्यात्मक प्रतिक्रिया चर का मॉडलिंग। सामान्यीकृत रैखिक मॉडल में लॉजिस्टिक रिग्रेशन और पॉइसन रिग्रेशन शामिल हैं।
विचरण विश्लेषण (Analysis of Variance) - ये विधियां एक संख्यात्मक प्रतिक्रिया चर और एक या अधिक श्रेणीगत चरों (कारकों) द्वारा परिभाषित दो या अधिक आबादी के लिए प्रायोगिक डेटा का विश्लेषण करती हैं। सामान्य तौर पर, एक ANOVA (एकल-कारक विचरण विश्लेषण) समस्या में k आबादी या उपचार के साधनों की तुलना यह तय करने के लिए शामिल होती है कि क्या कम से कम दो माध्य अलग हैं।
मिश्रित-प्रभाव मॉडल (Mixed-effect Models) - ये मॉडल समूहीकृत डेटा के विश्लेषण के लिए हैं - डेटा जिसे एक या अधिक समूह चरों के अनुसार वर्गीकृत किया जा सकता है। वे आम तौर पर एक प्रतिक्रिया चर और कुछ सह-चरों के बीच संबंधों को परिभाषित करते हैं जो एक या अधिक कारकों के अनुसार संयुक्त डेटा में होते हैं। विशिष्ट अनुप्रयोग क्षेत्र जैसे बहु-स्तरीय डेटा, दोहराए गए माप डेटा, ब्लॉक डिज़ाइन, और अनुदैर्ध्य डेटा।
कारक विश्लेषण (Factor Analysis) - यह विधि निर्धारित कर सकती है कि कौन से चर एक दिए गए कारक को बनाने के लिए संयुक्त होते हैं। उदाहरण के लिए, कुछ मनोरोग डेटा के लिए, रुचि के एक विशिष्ट कारक को सीधे मापना संभव नहीं है (खुफिया सहित); हालांकि, अन्य मात्राओं (छात्र परीक्षण स्कोर सहित) को मापना संभव है जो रुचि के तत्व को दर्शाते हैं। यहां, किसी भी चर को निर्भर के रूप में नामित नहीं किया गया है।
विवेचक विश्लेषण (Discriminant Analysis) - यह विधि एक श्रेणीगत प्रतिक्रिया चर का पूर्वानुमान लगा सकती है। सामान्यीकृत रैखिक मॉडल के विपरीत, यह मानता है कि स्वतंत्र चर एक बहुभिन्नात्मक सामान्य वितरण का पालन करते हैं।
यह प्रक्रिया कुछ विवेचक कार्यों (स्वतंत्र चरों के रैखिक सेट) को निर्धारित करने का प्रयास करती है जो प्रतिक्रिया चर द्वारा दर्शाए गए समूहों के बीच भेद करते हैं। विवेचक विश्लेषण आमतौर पर सामाजिक विज्ञान में उपयोग किया जाता है।
समय श्रृंखला विश्लेषण (Time Series Analysis) - समय-श्रृंखला डेटा के विश्लेषण के लिए कुछ सांख्यिकीय तकनीकें हैं, जिनमें ऑटो-रिग्रेशन विधियां, यूनिवेरिएट ARIMA (ऑटोरिग्रेसिव इंटीग्रेटेड मूविंग एवरेज) मॉडलिंग, और लॉन्ग-मेमोरी टाइम-सीक्वेंस मॉडलिंग शामिल हैं।
उत्तरजीविता विश्लेषण (Survival Analysis) - उत्तरजीविता विश्लेषण के लिए कई सुप्रसिद्ध सांख्यिकीय विधियां मौजूद हैं। ये विधियां शुरू में चिकित्सा उपचार से गुजर रहे रोगी की संभावना का पूर्वानुमान लगाने के लिए डिज़ाइन की गई थीं कि वह कम से कम समय t तक जीवित रह सकता है।
गुणवत्ता नियंत्रण (Quality Control) - गुणवत्ता नियंत्रण के लिए चार्ट तैयार करने के लिए कई आंकड़ों का उपयोग किया जा सकता है, जिनमें शेवार्ट चार्ट और CUSUM चार्ट (दोनों समूह सारांश आंकड़े प्रदर्शित करते हैं) शामिल हैं। इन आंकड़ों में माध्य, मानक विचलन, रेंज, काउंट, मूविंग एवरेज, मूविंग मानक विचलन, और मूविंग रेंज शामिल हैं।
