相关剖析
两个或两个以上变量的取值之间存在某种规律性，就称为相关。数据相关是数据库中存在的一类重要的、可被发现的常识。相关分为简略相关、时序相关和因果相关。相关剖析的目的是找出数据库中隐藏的相关网。
聚类剖析
聚类是把数据依照类似性归纳成若干类别，同一类中的数据互相类似，不同类中的数据相异。聚类剖析能够树立宏观的概念，发现数据的散布形式，以及可能的数据特点之间的相互联系。
分类
分类便是找出一个类别的概念描绘，它代表了这类数据的整体信息，即该类的内涵描绘，并用这种描绘来结构模型，一般用规矩或决策树形式表明。分类是使用训练数据集经过必定的算法而求得分类规矩。分类可被用于规矩描绘和猜测。
猜测
猜测是使用历史数据找出变化规律，树立模型，并由此模型对未来数据的种类及特征进行猜测。猜测关怀的是精度和不确定性，通常用猜测方差来衡量。
时序形式
时序形式是指经过时刻序列搜索出的重复发生概率较高的形式。与回归一样，它也是用己知的数据猜测未来的值，但这些数据的区别是变量所处时刻的不同。
误差剖析
在误差中包括很多有用的常识，数据库中的数据存在很多异常情况，发现数据库中数据存在的异常情况是非常重要的。误差查验的根本方法便是寻觅观察结果与参照之间的不同。
关于数据挖掘都有哪些任务，青藤小编就和您分享到这里了。如果你对大数据工程有浓厚的兴趣，希望这篇文章能够对你有所帮助。如果您还想了解更多数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。