Field information analysis is the main element of reducing costs and improving drilling operations. Therefore, the development of field data analysis tools is one of the ways to improve drilling operations. This paper uses mathematical programming and optimization-based methods to present and review learning models for data classification. A comprehensive multi-objective optimization model is proposed by extracting commonalities and the same philosophy of some of the most popular mathematical optimization models in the last few years. The geometric representation of the model will be to make it easier to understand the characteristics of the proposed model. Then it is shown that a large number of models studied in the past and present are subsets, and exceptional cases of this proposed comprehensive model and how to convert the proposed comprehensive model to these methods will be examined. This seeks to bridge the gap between new multi-objective programming models and the powerful and improved CSA-LSSVM methods presented for classification in data mining and to generalize studies to improve each of these methods.El análisis de la información de campo es el elemento principal para reducir costos y mejorar las operaciones de perforación. Por lo tanto, el desarrollo de herramientas de análisis de datos de campo es una de las formas de mejorar las operaciones de perforación. Este artículo utiliza programación matemática y métodos basados ​​en optimización para presentar y revisar modelos de aprendizaje para la clasificación de datos. Se propone un modelo integral de optimización multiobjetivo extrayendo los puntos en común y la misma filosofía de algunos de los modelos matemáticos de optimización más populares en los últimos años. La representación geométrica del modelo servirá para facilitar la comprensión de las características del modelo propuesto. Luego se muestra que una gran cantidad de modelos estudiados en el pasado y el presente son subconjuntos, y se examinarán casos excepcionales de este modelo integral propuesto y cómo convertir el modelo integral propuesto a estos métodos. Esto busca cerrar la brecha entre los nuevos modelos de programación multiobjetivo y los métodos CSA-LSSVM poderosos y mejorados presentados para la clasificación en la minería de datos y generalizar los estudios para mejorar cada uno de estos métodos.