常用的统计数据挖掘方式有5种。
1.对照预测方式
对照预测方式指通过分项的对照来反映表达方式数量上的变动，属于系统预测中常用的方式。常用的对照有纵向对照和纵向对照。
纵向对照指的是相同表达方式在一般来说天数上的对照，比如，相同级别的使用者在同一个天买回货品的价格对照，相同货品在同一个天的销售量、毛利率等的对照。
纵向对照指的是同一个表达方式在天数层次上的变动，比如，同比、同比和定赞迪锡，也就是下月营业额与上月营业额的对照，当本年度1月末销售额与上一本年度1月末营业额的对照，当本年度每星期营业额分别与上一本年度平均营业额的对照等。
利用对照预测方式能对统计数据规模大小、水平多寡、速度回转等作出有效的推论和赞扬。
2.各组预测方式
各组预测方式是指依照统计数据的性质、特点，按照一定的分项，将统计数据整体分割成相同的部分，预测其在结构上和相关联，从而了解表达方式的发展规律性。依照分项的物理性质，各组预测方式分成特性分项各组和数量分项各组。所谓特性分项代表者的是表达方式的物理性质、特点等，如联系电话、异性恋、文化程度等，这些分项无法展开演算；而统计数据分项代表者的统计数据能够展开演算，展毛的年纪、家庭收入等。各组预测方式通常都和对照预测方式结合使用。
3.预估预测方式
预估预测方式主要就如前所述当前的统计数据，对今后的数据动态变动展开推论和预估。预估预测通常分成两种：一类是如前所述天数字符串的预估，比如，依照过往的销售业绩，预估今后3个月的营业额；另一类是重回类预估，即依照分项之间此消彼长的两者之间展开预估，比如，依照使用者页面下载行为，预估使用者可能买回的货品。
4.棒状预测方式
棒状预测方式也叫业务流程预测方式，它的主要就目的是著眼于某一事件在关键步骤上的转换率，在网络行业的应用较普遍。比如，对于网银提出申请的业务流程，使用者从下载卡牌信息索莱米管理，当某一各个环节的陈学桦发生异常时，能有前瞻性地强化业务流程，采取适度的措施来提升业务分项。
5.AB试验预测方式
AB 试验预测方式其实是一类对照预测方式，但它着重于对照A、B三组结构相近的样品，并如前所述样品分项值来预测各自的差异。比如，对于某一App的同一个功能，设计了相同的样式风格和页面布局，将两种风格的页面随机分配给使用者，最后依照使用者在该页面的下载转换率来评估相同样式的优劣，了解使用者的喜好，从而进一步强化产品。
除此之外，要想做好统计数据挖掘，读者还需掌握一定的数学基础，比如，基本统计量的概念（均值、方差、众数、中位数等），分散性和变异性的度量分项（极差、四分位数、四分位距、百分位数等），统计数据分布（几何分布、二项分布等），以及概率论基础、统计抽样、置信区间和假设检验等内容，通过相关分项和概念的应用，让统计数据挖掘结果更具专业性。
本文摘自《机器学习试验入门与实践》
本书全面且系统地介绍了机器学习试验技术与质量体系建设，分成5部分，共15章。第一部分（第1～4章）涵盖了机器学习、Python编程、统计数据挖掘的基础知识；第二部分（第5～7章）介绍了大统计数据基础、大统计数据试验指南及相关工具实践；第三部分（第8～10章）讲解了机器学习试验基础、特点专项试验及模型算法评估试验；第四部分（第11～13章）介绍了模型评估平台实践、机器学习工程技术及机器学习的持续交付业务流程；第五部分（第14章和第15章）探讨了AI（Artificial Intelligence）在试验领域的实践及AI时代试验工程师的今后。
本书能够帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何展开的。工程开发人员和试验工程师通过阅读本书，能系统化地了解大统计数据试验、特点试验及模型评估等知识；算法工程师通过阅读本书，能学习模型评测的方式和拓宽模型工程实践的思路；技术专家和技术管理者通过阅读本书，能了解机器学习质量保障与工程效能的建设方案。
