資料探勘主要分為4類，即預測、分類、聚類和關聯，根據不同的挖掘目的選擇相應的演算法。R語言博大精深，吸納了來自各方的挖掘演算法包，這些包都是由統計學家或是演算法研究人員提供，我們可以站在這些偉人的肩膀上實現演算法的應用。下面對常用的資料探勘包做一個彙總：
連續因變數的預測：
stats包
lm函式，實現多元線性迴歸
stats包 
glm函式，實現廣義線性迴歸
stats包 
nls函式，實現非線性最小二乘迴歸
rpart包
rpart函式，基於CART演算法的分類迴歸樹模型
RWeka包
M5P函式，模型樹演算法，集線性迴歸和CART演算法的優點
adabag包 
bagging函式，基於rpart演算法的整合演算法
adabag包 
boosting函式，基於rpart演算法的整合演算法
randomForest包
randomForest函式，基於rpart演算法的整合演算法
e1071包
svm函式，支援向量機演算法
kernlab包 
ksvm函式，基於核函式的支援向量機
nnet包 
nnet函式，單隱藏層的神經網路演算法
neuralnet包
neuralnet函式，多隱藏層多節點的神經網路演算法
RSNNS包 
mlp函式，多層感知器神經網路
RSNNS包
rbf函式，基於徑向基函式的神經網路


離散因變數的分類：
stats包 
glm函式，實現Logistic迴歸，選擇logit連線函式
stats包 
knn函式，k最近鄰演算法
kknn包 
kknn函式，加權的k最近鄰演算法
rpart包 
rpart函式，基於CART演算法的分類迴歸樹模型
adabag包
bagging函式，基於rpart演算法的整合演算法
adabag包
boosting函式，基於rpart演算法的整合演算法
randomForest包
randomForest函式，基於rpart演算法的整合演算法
party包
ctree函式，條件分類樹演算法
RWeka包
OneR函式，一維的學**規則演算法
RWeka包
JPip函式，多維的學**規則演算法
RWeka包
J48函式，基於C4.5演算法的決策樹
C50包
C5.0函式，基於C5.0演算法的決策樹
e1071包
svm函式，支援向量機演算法
kernlab包
ksvm函式，基於核函式的支援向量機
e1071包
naiveBayes函式，貝葉斯分類器演算法
klaR包
NaiveBayes函式，貝葉斯分類器算分
MASS包
lda函式，線性判別分析
MASS包
qda函式，二次判別分析
nnet包
nnet函式，單隱藏層的神經網路演算法
RSNNS包
mlp函式，多層感知器神經網路
RSNNS包
rbf函式，基於徑向基函式的神經網路


聚類：
Nbclust包
Nbclust函式可以確定應該聚為幾類
stats包
kmeans函式，k均值聚類演算法
cluster包
pam函式，k中心點聚類演算法
stats包
hclust函式，層次聚類演算法
fpc包
dbscan函式，密度聚類演算法
fpc包
kmeansruns函式，相比於kmeans函式更加穩定，而且還可以估計聚為幾類
fpc包
pamk函式，相比於pam函式，可以給出參考的聚類個數
mclust包
Mclust函式，期望最大（EM）演算法


關聯規則：
arules包
apriori函式，Apriori關聯規則演算法