資料探勘主要有兩大類：

• 預測任務：根據其他屬性的值，預測特定屬性的值
• 描述任務：匯出概括資料中潛在聯絡的模式(相關，趨勢，聚類，軌跡和異常)

4種主要的資料探勘任務：

• 預測建模：

1. 分類：用於預測離散的目標變數(如預測web與使用者是否會在網上買書，預測花型別)。
2. 迴歸：用於預測連續的目標變數(如預測未來股票價格)。

• 關聯分析：用來發現描述資料中強關聯特徵的模式。(如找事物間聯絡，通過購物籃資料發現買尿布的顧客多半會買牛奶)。
• 聚類分析：發現緊密相關的觀測值組群，每個族群中的每個觀測值都儘可能相同(如對顧客進行分類
• 異常檢測：識別特徵顯著不同於其他資料的觀測值。這樣的觀測值被稱為異常值或者離群點，目標是發現真正異常點，而避免將正確物件標註為異常點(如檢驗欺詐，尋找疾病的不尋常模式)

         例：信用卡欺詐檢驗：比如合法交易需要一系列步驟，而非法交易步驟相對簡單，可以通過步驟比較，如果和合法交易步驟差距很大就有可能是非法交易。