มีเทคนิคการทำเหมืองข้อมูลทางสถิติหลายอย่าง ดังนี้:
Regression (การถดถอย) — วิธีเหล่านี้ใช้ทำนายค่าของตัวแปรตอบสนอง (dependent) จากตัวแปรพยากรณ์ (independent) หนึ่งหรือมากกว่า โดยตัวแปรเป็นตัวเลข มีรูปแบบ regression หลายรูป เช่น linear, multiple, weighted, polynomial, nonparametric, และ robust (robust techniques มีประโยชน์เมื่อ errors ไม่ผ่านเงื่อนไข normalcy หรือเมื่อข้อมูลมี outliers ที่มีนัยสำคัญ)
Generalized linear models (โมเดลเชิงเส้นทั่วไป) — โมเดลเหล่านี้ และการทำให้เป็นทั่วไป (generalized additive models) ทำให้ตัวแปรตอบสนองเชิงหมวดหมู่ (หรือการแปลงของมัน) สามารถเชื่อมโยงกับชุดตัวแปรพยากรณ์ได้ เช่น การสร้างโมเดลตัวแปรตอบสนองตัวเลขด้วย linear regression Generalized linear models รวมถึง logistic regression และ Poisson regression
Analysis of variance (การวิเคราะห์ความแปรปรวน - ANOVA) — วิธีเหล่านี้วิเคราะห์ข้อมูลทดลองสำหรับสองหรือมากกว่าประชากรที่กำหนดโดยตัวแปรตอบสนองตัวเลข และตัวแปรเชิงหมวดหมู่หนึ่งหรือมากกว่า (factors) โดยทั่วไป ปัญหา ANOVA (single-factor analysis of variance) มีการเปรียบเทียบค่าเฉลี่ยของ k ประชากรหรือการรักษา เพื่อตัดสินใจว่ามีค่าเฉลี่ยอย่างน้อยสองค่าที่ต่างกัน
Mixed-effect models (โมเดลผลผสม) — โมเดลเหล่านี้สำหรับวิเคราะห์ข้อมูลที่จัดกลุ่ม (grouped data) — ข้อมูลที่สามารถจัดประเภทได้ตามตัวแปรจัดกลุ่มหนึ่งหรือมากกว่า พวกเขาโดยทั่วไปกำหนดความสัมพันธ์ระหว่างตัวแปรตอบสนองและ covariates บางตัวในข้อมูลที่รวมตามตัวแปรหนึ่งหรือมากกว่า พื้นที่ประยุกต์ใช้ทั่วไป เช่น multilevel data, repeated measures data, block designs, และ longitudinal data
Factor analysis (การวิเคราะห์ปัจจัย) — วิธีนี้สามารถกำหนดได้ว่าตัวแปรไหนรวมกันเพื่อสร้างปัจจัยที่กำหนด ตัวอย่าง สำหรับข้อมูลจิตเวชบางอย่าง ไม่สามารถวัดปัจจัยเฉพาะที่สนใจได้โดยตรง (เช่น intelligence) อย่างไรก็ตาม สามารถวัดปริมาณอื่นๆ (เช่น คะแนนสอบนักศึกษา) ที่สะท้อนปัจจัยที่สนใจได้ ที่นี่ ไม่มีตัวแปรไหนถูกกำหนดเป็น dependent
Discriminant analysis (การวิเคราะห์แบ่งแยก) — วิธีนี้สามารถทำนายตัวแปรตอบสนองเชิงหมวดหมู่ ได้ ไม่เหมือน generalized linear models มันบ่งชี้ว่าตัวแปรอิสระปฏิบัติตามการกระจายปกติหลายมิติ (multivariate normal distribution) กระบวนการพยายามกำหนด discriminant functions บางอย่าง (linear combination ของตัวแปรอิสระ) ที่แบ่งแยกระหว่างกลุ่มที่แทนด้วยตัวแปรตอบสนอง Discriminant analysis ใช้ทั่วไปในศาสตร์สังคม
Time series analysis (การวิเคราะห์อนุกรมเวลา) — มีเทคนิคทางสถิติสำหรับวิเคราะห์ข้อมูล time-series รวมถึง auto-regression methods, univariate ARIMA (autoregressive integrated moving average) modeling, และ long-memory time-sequence modeling
Survival analysis (การวิเคราะห์การรอดชีวิต) — มีวิธีทางสถิติที่สถิตมากสำหรับ survival analysis วิธีเหล่านี้ออกแบบมาเริ่มต้นเพื่อทำนายความน่าจะเป็นว่าผู้ป่วยที่ได้รับการรักษาทางการแพทย์จะรอดชีวิตอย่างน้อยถึงเวลา t
Quality control (การควบคุมคุณภาพ) — สถิติหลายอย่างสามารถใช้เตรียมแผนภูมิสำหรับ quality control รวมถึง Shewhart charts และ CUSUM charts (ทั้งคู่แสดงสถิติสรุปกลุ่ม) สถิติเหล่านี้ประกอบด้วย mean, standard deviation, range, count, moving average, moving standard deviation, และ moving range
