数据挖掘的预测建模任务主要包括以下两大类问题：

B: 分类
D: 回归

### 专业分析

在数据挖掘中，预测建模任务通常包括以下几类问题：

1. **分类 (Classification)**：
- **定义**：分类任务的目标是将数据分配到预定义的类别或标签中。
- **应用**：常用于垃圾邮件检测、图像识别、客户细分等。
- **算法示例**：决策树、随机森林、支持向量机（SVM）、神经网络。

2. **回归 (Regression)**：
- **定义**：回归任务的目标是预测一个连续值，即数值型的输出。
- **应用**：常用于房价预测、股票价格预测、用电量预测等。
- **算法示例**：线性回归、岭回归、LASSO回归、回归树。

### 其他选项分析

- **A: 模式发现 (Pattern Discovery)**：通常涉及关联规则挖掘（如购物篮分析）和聚类（如客户细群识别），属于数据挖掘中的探索性分析，而不是预测建模。

- **C: 模式匹配 (Pattern Matching)**：更多用于字符串处理、文本搜索等领域，不直接用于数据挖掘的预测建模任务，但在某些特定应用中可能涉及。

总结而言，数据挖掘的预测建模任务主要集中于分类和回归这两大类。