（一） 数据处理
① 插值拟合
主要用于对数据的补全和基本的趋势分析
② 小波分析，聚类分析（高斯混合聚类，K-均值聚类等等）
主要用于诊断数据异常值并进行剔除
③ 主成成分分析、线性判别分析、局部保留投影等
主要用于多维数据的降维处理，减少数据冗余
④ 均值、方差分析、协方差分析等统计方法
主要用于数据的截取或者特征选择
（二） 关联与因果
① 灰色关联分析法（样本点的个数较少）
② Superman或kendall等级相关分析
③ Person相关（样本点的个数比较多）
④ Copula相关（比较难，金融数学，概率密度）
⑤ 典型相关分析（因变量Y1234，自变量组X1234，各自变量组相关性比较强，问哪一个因变量与哪一个自变量关系比较紧密？）
（三） 分类与判别
① 距离聚类（系统聚类）常用
② 关联性聚类（常用）
③ 层次聚类
④ 密度聚类
⑤ 其他聚类
⑥ 贝叶斯判别（统计判别方法）
⑦ 费舍尔判别（训练的样本比较少）
⑧ 模糊识别（分好类的数据点比较少）
（四） 评价与决策
① 模糊综合评判：评价一个对象优、良、中、差等层次评价，评价一个学校等，不能排序。
② 主成成分分析：评价多个对象水平并排序，指标间关联性很强。
③ 层次分析法：做决策，通过指标，综合考虑做决定
④ 数据包络（DEA）分析法：优化问题，对各省发展状况进行评判
⑤ 秩和比综合评价法：评价各个对象并排序，指标间关联性不强
⑥ 神经网络评价：适用于多指标非线性关系明确的评价
⑦ 优劣解距离法（TOPSIS法）
⑧ 投影寻踪综合评价法：糅合多种算法，比如遗传算法、最优化理论
⑨ 方差分析、协方差分析等
方差分析：看几类数据之间有无差异，差异性影响，例如：元素对麦子的量有无影响，差异量的多少；（92年作物生长的施肥问题）
协方差分析：有几个因素，我们只考虑一份因素对问题的影响，忽略其他因素，但注意初始数据的量纲以及初始情况。（06年，艾滋病疗法的评价以及预测问题）
（五） 预测与预报
① 小样本内部预测
② 大样本内部预测
③ 小样本的未来预测
④ 大样本的随机因素或周期特征的未来预测
⑤ 大样本的未来预测
灰色预测模型（必须掌握）
满足两个条件可用：
- a数据样本点个数少，6-15个
- b数据呈现指数或曲线的形式
微分方程预测（备用）
无法直接找到原始数据之间的关系，但可以找到原始数据变化速度之间的关系，通过公式推导转化为原始数据之间的关系
回归分析预测（必须掌握）
求一个因变量与若干自变量之间的关系，若自变量变化之后，求因变量如何变化
样本点的个数有要求
- a自变量之间协方差比较小，最好趋于0，自变量间的关系小；
- b样本点的个数n>3k+1，k为自变量的个数；
- c因变量要符合正态分布
（六） 优化与控制
① 线性规划、整数规划、0-1规划（有约束，确定的目标）
② 非线性规划与智能优化算法
③ 多目标规划和目标规划（柔性约束，目标含糊，超过）
④ 动态规划
⑤ 图论、网络优化（多因素交错复杂）
⑥ 排队论与计算机仿真
⑦ 模糊规划（范围约束）
⑧ 灰色规划（难）