Andmekaeve algoritmid on programmeeritud päringud ja programmid, mida kasutatakse andmekogumite mustrite ja suundumuste tuvastamiseks. Andmekaeve peamine kasutusala on klientide vajaduste ja eelistuste kindlaksmääramine, lähtudes nende tegelikust tegevusest. Kuigi teave põhineb varasematel tulemustel, võib see olla suurepärane näitaja klientide käitumise ja suundumuste kohta.
Kaks suurepärast näidet andmekaeve algoritmidest on rühmitamine ja lähima naabri ennustajad. Klasterdamine on termin, mida kasutatakse tegevuse kirjeldamiseks, mille puhul üksikud üksused või andmed jagavad olulisi atribuute. Pesu eraldamine on selle käitumise loogiline näide. Algoritmina töötab isik, kes sorteerib pesu. Ta jaotab pesu hunnikuteks atribuutide järgi: värvid, keemiline puhastus ja valge on kõik eraldatud.
Selle tegevusega seotud tegelik otsustusprotsess on algoritmi üksikasjad. Esiteks peab andmekogum piirduma harjutuse jaoks oluliste üksustega. Kingad ei kuulu pesu sorteerimise alla, kuigi need võivad asuda samas füüsilises ruumis. Eelnevalt tuleb otsustada, milliseid omadusi kasutatakse pesu eraldamiseks ja iga hunniku suurust.
Lähima naabri ennustaja põhineb täpselt sobivate näidete tuvastamisel. Algstaadiumis tuleb esitada kriteeriumid, täpsustades, mis asja või andmetega on tegu ja mida lähima määratlus sisaldab. Seda tüüpi algoritm järgib loogilise mõtlemise protsessiga sarnast mustrit.
Andmekaeve algoritmide peamine eelis on programmi võime luua ja tuvastada mustreid suures andmemahus. Võimalus tuvastada naabreid konkreetses keskkonnas on väikeses rühmas lihtne. Kõigi aasta jooksul või ringkonnas sooritatud müügitehingute kohta kogutud andmed nõuavad aga eriprogramme ja loogikat, et need oleksid täpsed.
Inimesed, kes suudavad luua kasutajate vajaduste rahuldamiseks andmekaeve algoritme, töötavad äriteabe või andmekaeve alal. See on väga keeruline statistika, mille populaarsus kasvab, kuna organisatsioonid püüavad saada kogutud andmetest käegakatsutavamat tulu. Tõhus arendaja saab luua andmekaeve algoritmide komplekti, mis tuvastavad täpselt käitumismustrid, ja kasutada seda teavet tulevaste toimingute ennustamiseks. See teave on ettevõtetele, organisatsioonidele ja valitsustele väga väärtuslik.