数据挖掘技术主要包括以下几类：
统计方法：
回归分析：用于研究一个或多个自变量与一个因变量之间的依赖关系。判别分析：用于根据观测到的变量值判断研究对象所属的类型。
机器学习方法：
机器学习是一大类方法，包括多种算法和技术，用于让计算机系统从数据中学习并自动改进其性能，而无需进行明确的编程。
神经网络方法：
前向神经网络：一种最基本的神经网络结构，信息从输入层向输出层单向传播。自组织神经网络：用于无监督学习任务，能够自动地发现数据中的模式和结构。
数据库方法：
基于可视化的多维数据分析或OLAP方法：用于对存储在数据库中的大量数据进行快速、一致、交互式的访问和分析。面向属性的归纳方法：一种从数据库中提取概括性知识的技术，主要用于数据预处理和知识发现阶段。
这些技术共同构成了数据挖掘的丰富工具箱，使得人们能够从复杂的数据集中提取出有价值的信息和知识。