云计算技术包含分布计算、并行处理、虚拟化等技术，其极大提高了计算能力。随着数据处理量的增加，计算任务越来越多，人们追求提高计算速度的同时降低对硬件的要求。虽然云计算技术发展的比较成熟，并且已经出现很多成型产品，但是在数据挖掘领域依然很欠缺。很多数据挖掘算法对处理海量数据挖掘问题都存在很多困难，有些甚至不能计算出结果。因此将算法用并行的方式进行计算是未来数据处理的一个趋势，可以很大程度的降低运行成本和计算时间。MapReduce架构被看作为云计算的核心技术。算法在云计算平台上实现意味着将算法转换成MapReduce架构的模式实现。但是并不是所有数据挖掘算法都可以转换成这种模式，而且待处理的数据也不一定能很好的进行数据分片，因此算法的MapReduce化的实现存在很多困难。本文提出三种数据挖掘算法的MapReduce结构化实现（即云平台上的实现策略）和理论依据，并给出了数据分片的方法。有些算法的实现过程与原始算法截然不同，但都遵循原算法的核心思想，并且计算结果也证明是正确的，同时发挥并行计算的优势，减少系统总运行时间。