在数据挖掘的预测建模任务中，主要涉及以下几大类问题：

1. **分类 (A)**：
- 分类问题是指通过使用已知类别的训练数据集构建模型，以便对新数据进行分类。经典的例子包括垃圾邮件检测（邮件是垃圾邮件还是正常邮件）和图像分类（识别图片中的物体类型）。

2. **回归 (B)**：
- 回归问题的目标是预测一个连续值。常见的例子包括房价预测（根据房屋特征预测其价格）和股票市场预测（根据市场历史数据预测未来股票价格）。

因此，A: 分类 和 B: 回归 是数据挖掘中典型的预测建模任务。

**聚类 (C)** 和 **关联规则挖掘 (D)** 则主要属于描述性建模任务：

- **聚类 (C)**：
- 聚类是将数据分组，使得同一组中的数据点在某种程度上相似。常用于市场细分、天文数据分析等领域。虽然可以用于预处理或特征工程，但其本身不属于预测建模任务。

- **关联规则挖掘 (D)**：
- 关联规则挖掘用于发现数据集中变量之间的有趣关系，如超市购物篮分析中的“啤酒和尿布”现象。这也是一种描述性任务，而非预测性。

总结：预测建模任务主要包括 A: 分类 和 B: 回归。