数据挖掘包含的内容有：数据预处理、关联分析、聚类分析、分类与预测等。
数据挖掘是从大量的数据中提取有价值信息的过程，涉及多个方面的内容。具体如下：
数据预处理是数据挖掘的重要一环。由于实际数据往往存在噪声、缺失和冗余等问题，因此需要进行数据清洗、转换和降维等操作，为后续的挖掘工作提供高质量的数据集。
关联分析是数据挖掘中常用的方法之一。它旨在寻找数据集中不同变量之间的关联性，揭示隐藏在数据中的模式和趋势。这种分析可以帮助我们理解不同变量之间的相互影响，从而做出更准确的预测和决策。
聚类分析则是根据数据的内在特征将其划分为不同的组或簇。这种划分是基于数据的相似性进行的，相似的数据被归为同一类。聚类分析在市场营销、客户细分等领域有广泛应用，有助于企业更好地了解客户需求和市场趋势。
分类与预测是数据挖掘的目标之一。分类是将数据划分为不同的类别，而预测则是基于已知数据对未来的趋势或结果进行推测。通过构建模型，我们可以对未知数据进行分类或预测，这在商业决策、风险管理等领域具有重要意义。
以上就是对数据挖掘包含的内容的解释。数据挖掘还包括很多其他的技术和方法，如异常检测、序列挖掘等，这些技术在不同的领域都有广泛的应用。总体来说，数据挖掘是一个综合性的过程，涉及数据的收集、处理、分析和解释等多个环节，旨在提取有价值的信息，为决策提供支持。