在当前网络互联时代,软件和硬件条件日趋成熟的情形下,各个领域的数据收集及信息存储能力大幅度增强,但这对于信息梳理与挖掘的要求进一步提高,各行业都渴望能有更多样、更高效的数据挖掘方法来处理、分析行业数据,辅助行业进行更高效、更精准的决策产出。为满足大数据的处理需求,数据挖掘算法领域蓬勃发展,相关的算法创新与改进成果不断诞生,并且也逐步展现了算法应用的兼容性,应用领域不断拓展。本文则主要介绍了决策树算法、logistic回归算法、组合算法随机森林以及支持向量机算法(SVM)这四种算法,并将其应用于房屋多分类问题上。通过R软件优化模型参数,建立合适的模型,并对缺失数据完成预测。从模型分类正确率以及预测值与参考值的差异程度交叉评估算法应用的优劣,最后发现在当前应用场景下,决策树算法的分类效果最佳,平均分类正确率达95.17%,预测值与参考值的结果也最为接近,标准差异指数仅10.24,而随机森林算法在十折交叉验证中的分类稳定性最好,支持向量机预测稳定性较差,但在特定的场景中会取得更为准确的预测结果。