数据挖掘常用的方法可以大致分为以下几类：
1、聚类分析
聚类分析是一种将数据集划分为若干个相似对象的群体的方法。常见的聚类算法包括K-means、DBSCAN和层次聚类等。通过聚类分析，可以发现数据中的模式和趋势，了解数据的分布情况。
2、关联分析
关联分析主要是用于发现数据集中项之间的有趣关系，常见的关联分析算法有Apriori和FP-Growth。这些算法常用于市场篮子分析、序列模式挖掘等场景，帮助企业了解客户的行为模式和购买习惯。
3、分类与预测
分类是一种常见的数据挖掘任务，主要是通过已知的训练数据集来建立模型，并使用模型对未知类别的新数据进行分类。常见的分类算法有逻辑回归、支持向量机、朴素贝叶斯等。预测则是利用已知的数据来预测未来的结果，常用的算法有线性回归、决策树、神经网络等。
4、异常检测
异常检测也称为离群点检测，主要是用于发现数据集中与大多数数据明显不同的数据对象。这些对象可能代表了错误、异常或是有特殊意义的观察结果。常用的异常检测算法有基于统计的方法、基于距离的方法和基于密度的等方法。
5、序列模式挖掘
序列模式挖掘主要是用于发现数据集中项之间的有序关系，这种关系可以用于预测未来的趋势。常见的序列模式挖掘算法有GSP和SPADE等。
6、文本挖掘
文本挖掘也称为文本分析，主要是用于从文本数据中提取有用的信息。常用的文本挖掘技术包括文本分类、文本聚类、情感分析等。
7、可视化分析
可视化分析主要是通过图形和图像的方式呈现数据和分析结果，帮助人们更好地理解数据和洞察数据中的模式。可视化分析可以大大提高人们对数据的洞察力，并帮助人们更好地理解和解释数据分析的结果。