1、描述性统计分析：用于总结和描述数倌栗受绽据的基本特征和趋势，例如平均值、中位数、标准差等。它可以提供关于数据集的概括性信息，帮助初步了解数据的分布和变化情况。
2、回归分析：用于建立数学模型，研究自变量和因变量之间的关系。通过回归分析，可以预测和解释因变量的变化，分析自变量对因变量的影响程度。
3、相关分析：用于衡量不同变量之间的相关性。通过计算相关系数，可以了解变量之间的线性关系强度和方向，帮助发现变量之间的关联关系。
4、预测分析：用于基于历史数据和趋势，利用统计模型和算法来预测未来的趋势和结果。预测分析可以帮助决策者做出合理的预测和规划。
5、聚类分析：用于将相似的数据点分组为簇，帮助发现数据中的籽谇槐杳潜在模式和群组。聚类分析可以帮助发现数据的内在结构，为数据分类和个性化推荐等应用提供支持。
6、因子分析：用于通过分析多个变量之间的关系，将它们归纳为更少的几个潜在因子。因子分析可以帮助简化数据集，减少变量的数量，同时保留数据的主要信息。
