Microsoft Naive Bayes 算法是一种可以快速生成并且适合预测性建模的分类算法。该算法仅支持离散属性或离散化属性。而且在给定可预测属性的情况下，它将所有输入属性都当做独立属性。

Microsoft 关联规则算法生成的规则描述哪些项最有可能在事务中出现在一起。借助这些规则，可以根据其他项在事务中的出现情况，来预测某一项的出现情况。

Microsoft聚类分析算法运用迭代技术将来自数据集的记录分成多个分类，其中每个分类包含类似的特征。若要找出数据中的一般分组，此算法就很有用。

Microsoft 决策树算法是一种适合预测性建模的分类算法。该算法支持离散属性和连续属性的预测。

Microsoft 逻辑回归算法是一种适合回归建模的回归算法。该算法是 Microsoft 神经网络算法的一种，是通过消除隐藏层获得的。该算法支持对离散属性和连续属性进行预测。

Microsoft 神经网络算法使用梯度法来优化多层网络的参数，以预测多个属性。它可以用于离散属性的分类和连续属性的回归。

Microsoft 时序算法使用线性回归决策树方法来分析与时间相关的数据，例如，月销售额数据或年利润。使用该算法发现的模式可以预测未来时间步长的值。

Microsoft顺序分析和聚类分析算法结合了顺序分析和聚类分析，它可标识出序列中排序方式类似的事件所组成的分类。使用分类，可以根据已知特征预测事件可能以何种顺序在序列中排列。

Microsoft 线性回归算法是一种适合回归建模的回归算法。该算法是 Microsoft 决策树算法的一种，是通过禁用拆分(整个回归公式放在单个根节点中)获得的。该算法支持对连续属性进行预测。