適用於 Office 的數據採礦增益集支援使用下列數據採礦演算法建立的分析模型。 所有演算法都是以已知的機器學習方法為基礎，並已由 Microsoft Research 實作。
演算法
| 機器學習方法 | 運作方式 |
|---|---|
| Microsoft關聯規則演算法 | 探索哪些產品一起購買，或同時發生哪些事件，並使用模型來建立建議。 https://msdn.microsoft.com/library/ms174916.aspx |
| Microsoft叢集演算法 | 定義市場區隔、自動將相關客戶分組在一起，或尋找數據中要用於進一步採礦的關聯性。 https://msdn.microsoft.com/library/ms174879.aspx |
| Microsoft判定樹演算法 | 識別數據中各種元素之間先前未知的關聯性，以更妥善地通知您的決策，或找出導致特定結果的因素。 https://msdn.microsoft.com/library/ms174923.aspx |
| Microsoft線性回歸演算法 | 尋找數學公式，描述促成數值結果的因素。 https://msdn.microsoft.com/library/ms174824.aspx |
| Microsoft羅吉斯回歸演算法 | 識別造成二進位結果的因素，並瞭解如何使用這些因素來影響結果。 https://msdn.microsoft.com/library/ms174828.aspx |
| Microsoft樸素貝葉斯演算法 | 探索數據中的關聯性，並尋找與結果最緊密相關的關聯性。 https://msdn.microsoft.com/library/ms174806.aspx |
| Microsoft類神經網路演算法 | 尋找多個輸入甚至多個輸出之間的隱藏關聯性。 用於探索或預測。 https://msdn.microsoft.com/library/ms174941.aspx |
| Microsoft時間序列演算法 | 使用歷程記錄數據來預測未來的值。 https://msdn.microsoft.com/library/ms174923.aspx |
進階選項
當您使用適用於 Excel 的數據採礦用戶端時，您可以選擇建立自己的數據採礦結構和模型，或微調演算法的參數。
使用下列進階選項自訂模型的方式有兩種：
使用 [數據採礦查詢 精靈] 來建立您的模型。
在 [數據採礦用戶端] 中，啟動精靈之後，按兩下 [ 參數]。