②序列模式分析(Sequential Patterns):目的也是为了挖掘出数据之间的联系，但它的侧重点在于分析数据间的前后关系(因果关系)。例如，将序列模式分析运用于商业，经过分析，商家可以根据分析结果发现客户潜在的购物模式，发现顾客在购买一种商品的同时经常购买另一种商品的可能性。在进行序列模式分析时也应计算置信度和支持度。
③分类分析(Classifiers):首先为每一个记录赋予一个标记(一组具有不同特征的类别)，即按标记分类记录，然后检查这些标定的记录，描述出这些记录的特征。这些描述可能是显式的，如一组规则定义;也可能是隐式的，如一个数学模型或公式。
④聚类分析(Clustering):聚类分析法是分类分析法的逆过程，它的输入集是一组未标定的记录，即输入的记录没有作任何处理。目的是根据一定的规则，合理地划分记录集合，并用显式或隐式的方法描述不同的类别。
在实际应用的DM系统中，上述四种分析方法有着不同的适用范围，因此经常被综合运用。
简单地说，数据挖掘中的聚类是一种无监督的学习方法，基本思路是物以类聚人以群分，即把相似或相关的对象归为一类。在分析之前没有已知的类型信息。对新病人进行诊断时，是根据历史的病人诊断结论来进行的。k-means是一个典型的聚类算法。
