数据挖掘方法有多种，包括聚类分析、关联规则挖掘、分类与预测、异常检测等。
一、聚类分析
聚类分析是数据挖掘中最常用的一种方法。它的主要目标是将大量数据划分为若干个类别或簇，使得同一类别内的数据尽可能相似，不同类别间的数据尽可能不同。这种方法常用于客户细分、市场研究等领域。
二、关联规则挖掘
关联规则挖掘主要用于发现数据集中项之间的有趣关系，即当某个事件发生时，其他事件也会发生的关联性。这种方法广泛应用于购物篮分析，可以发现不同商品之间的关联关系，从而进行有针对性的营销策略。
三、分类与预测
分类是数据挖掘中一种重要的预测方法，它基于已知的数据集，构建一个模型来预测新数据的类别。预测则是基于历史数据，构建一个模型来预测未来的趋势或结果。分类与预测在风险管理、市场预测等领域有广泛应用。
四、异常检测
异常检测是数据挖掘中识别与正常数据模式不一致的数据的一种方法。这种方法常用于发现数据中的异常值或离群点，这些异常点可能代表潜在的问题或机会。
以上就是对数据挖掘主要方法的简单介绍。随着技术的发展，数据挖掘的方法也在不断更新和丰富，包括一些新兴的方法如深度学习、神经网络等在数据挖掘领域也得到了广泛应用。