Regras de associação são empregadas para prever valores contínuos a partir de variáveis explicativas, sendo, por isso, uma técnica típica de modelagem preditiva supervisionada.

Na mineração de dados, técnicas de pré-processamento, como limpeza, transformação e seleção de atributos, influenciam diretamente o desempenho de tarefas como classificação e clusterização.

No modelo CRISP-DM, a etapa de modelagem antecede a preparação dos dados, pois a definição prévia do algoritmo elimina a necessidade de transformação ou limpeza.

Classificação e detecção de anomalias são tarefas equivalentes, pois ambas têm por finalidade atribuir rótulos previamente conhecidos aos registros.