分類算法：
樸素貝葉斯算法：是統計學分類方法，可以預測類成員關系的可能性，如給定樣本屬于一個特定的概率，通過樸素貝葉斯節點，可以利用對真是世界認知的判斷力并結合所觀察和記錄的證據，使用著相似不相關的屬性建立事件發生的幾率，從而構建概率模型。
決策樹：通過決策樹算法，可以開發分類系統，此分類系統可以基于一組決策規則來預測或分類未來的觀測值。
邏輯回歸：邏輯回歸算法用于確定變量之間的因果關系，建立回歸模型，研究現象之間是否相關、相關的方向和密切過程。
隨機森林：隨機森林算法支持大量特征屬性標簽，通過隨機抽樣創建多個決策樹模型來提取分類規則，避免單一決策樹的過擬合問題。
鄰接點分析：用于找出任意兩個存在重合鄰接點的節點對。
稀疏線性：支持大量特征屬性標簽，充分利用高維度數據進行精確分析建模。
