數據挖掘分為有指導的數據挖掘和無指導的數據挖掘.有指導的數據挖掘是利用可用的數據建立一個模型,這個模型是對一個特定屬性的描述.無指導的數據挖掘是在所有的屬性中尋找某種關系.具體而言,分類,估值和預測屬于有指導的數據挖掘;關聯規則和聚類屬于無指導的數據挖掘.

  1.分類. 它首先從數據中選出已經分好類的訓練集,在該訓練集上運用數據挖掘技術,建立一個分類模型,再將該模型用于對沒有分類的數據進行分類.

  2.估值. 估值與分類類似,但估值較終的輸出結果是連續型的數值,估值的量并非預先確定.估值可以作為分類的準備工作.

  3.預測. 它是通過分類或估值來進行,通過分類或估值的訓練得出一個模型,如果對于檢驗樣本組而言該模型具有較高的準確率,可將該模型用于對新樣本的未知變量進行預測.

  4.相關性分組或關聯規則.其目的是發現哪些事情總是一起發生.

  5.聚類.它是自動尋找并建立分組規則的方法,它通過判斷樣本之間的相似性,把相似樣本劃分在一個簇中.