データサイエンスや機械学習の解説書では、 ロジスティック回帰分析 、 主成分分析 、 決定木 、 ディープラーニング（深層学習） などを順番に紹介しているものが多いので、こういったものを上手に使い分けることがデータ分析のように見えることもありますが、 それで用が済む場合は、ほとんどないです。
本で紹介されているアルゴリズムは、先人が、目の前にあるデータと、そのデータを使ってやりたい事に対して、編み出したものです。
先人とほぼ同じことをするのなら、先人の残したアルゴリズムを少し修正すれば済むこともありますが、そうでない場合は、役に立たないです。
環境と品質のためのデータサイエンス には、筆者が自分で考えたアルゴリズムも書いています。 大きく分けると、実際に起きた問題解決の中で使ったものと、何年も経ってから思い付いたものに分かれます。
実際の問題解決で使ったものとしては、下記のようなものがあります。
