针对不同的处理目标，支持信息加工的方法很多，概括起来可分为五大类：统计学习方法、机器学习方法、不确定性理论、可视化技术和数据库技术。

选择什么信息加工方法取决于问题本身，但实践证明很难判断这些方法的优劣，且处理结果对数据集的依赖程度很高。针对给定的数据集和给定的目标，尚没有公认的标准选择恰当的信息加工方法。在实际应用中，信息加工往往是集成多种方法来实现的。

统计学研究以往主要集中于预定假设的检验和数据的模型拟合上，所用方法的依据通常是概率模型。目前，统计学的焦点已逐步从模型估计转移到模型选择上来，不再只是寻找最佳的参数值，而是把模型的结构也作为搜索过程的一部分，这种趋势非常适合信息处理的目的。现代统计学方法与信息加工的关系日益密切，作为信息加工的一个基本工具，统计学方法正在发挥越来越重要的作用。

统计学习方法

* 相关分析

* 回归分析

* 主成分分析

* 聚类分析

* 时间序列分析

* 判别分析

机器学习方法

* 规则归纳

* 案例学习方法

* 遗传算法

* 免疫算法

* 蚁群算法

* 决策树方法

可视化技术

不确定性理论

* 贝叶斯网络

* 模糊逻辑

* 粗糙集理论

* 证据理论

* 灰色理论

* 可拓理论

数据库/数据仓库技术

* 面向数据集方法

* 面向属性归纳

* 数据库统计

* 数据挖掘技术

* 数据仓库技术

* 联机分析技术