数据挖掘与大数据：定义、类型和任务

数据挖掘是指从大量数据中发现有用信息和知识的过程。它通过应用统计学、机器学习、人工智能等技术，从数据中提取隐含的模式、关系、趋势等有价值的信息。

大数据是指数据量巨大、类型多样、处理速度快的数据集合。它的特点是数据量大、数据来源广泛、数据类型多样、数据处理速度快、数据价值高等。

数据挖掘的类型包括：

1. 分类：将数据分为不同的类别，例如垃圾邮件过滤。
2. 聚类：将数据分为不同的组，例如客户细分。
3. 关联规则挖掘：发现数据之间的关联关系，例如购物篮分析。
4. 异常检测：发现与其他数据点不同的数据点，例如欺诈检测。

四个数据挖掘任务包括：

1. 描述性任务：对数据进行统计描述，例如数据的分布、频率、均值等。
2. 预测性任务：通过建立模型，对未来事件进行预测，例如回归分析、时间序列分析等。
3. 关联性任务：发现数据之间的关联关系，例如关联规则挖掘、网络分析等。
4. 聚类性任务：将数据分为不同的类别，例如聚类分析、分类器等。