总的来说，数据挖掘任务可以分为两类：描述性的和预测性的。描述性的数据挖掘任务是对目标数据集中数据的属性进行特征描述，而预测性的挖掘任务是对当前数据进行归纳以进行预测。 1，特征描述和区分     特征描述是对某类的数据的一般特征或属性的总结。特征描述的结果可以以多种方式进行展现，例如饼状图，条形图，曲线，多维数据立方体，多维表等。     数据区分是将某类的数据的一般特征与另一个或多个类别的

2006年的ICDM（the IEEE International Conference on Data Mining) 上，评选出了数据挖掘领域的十大经典算法，分别是 1，C4.5, 2，k-Means 3，SVM 4，Apriori 5，EM 6，PageRank 7，AdaBoost 8，kNN 9，Naive Bayes 10，CART,

随着计算机计算能力的增强和大批量医学图像的涌现，机器学习技术在医学图像处理领域的应用已获得越来越多的关注。其思想是通过计算机对大批量训练数据的统计学习，来预测新的待处理图像的相关信息。关于统计学习，推荐一本Hastie的2009年的一本书: The Elements of Statistical Learning: Data Mining, Inference and Prediction (pd