数据挖掘异常分析经典算法：离群点检测、协同过滤、决策树等

数据挖掘中异常分析的经典算法包括：

离群点检测算法 (Outlier Detection)：包括基于统计学方法的Z-score和箱线图法，基于聚类的K-means和DBSCAN，基于密度的LOF和OPTICS等。
协同过滤算法 (Collaborative Filtering)：主要用于推荐系统中，通过分析用户行为数据，发现用户的偏好和兴趣，进而推荐相应的商品或服务。
决策树算法 (Decision Tree)：通过对数据集进行划分和分类，找出异常数据点。
支持向量机算法 (Support Vector Machine)：通过构建分类器，将数据集分为正常数据和异常数据，从而实现异常检测。
神经网络算法 (Neural Network)：通过对数据进行训练，识别和分类出异常数据点。
随机森林算法 (Random Forest)：通过构建多个决策树，对数据进行分类和预测，从而实现异常检测。