数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等

正确答案是：A: 异常值处理 和 B: 缺失值处理。

专业分析：
数据清洗（Data Cleaning）是知识发掘处理（Knowledge Discovery Process）中的一个重要阶段，主要目的是确保数据的质量和一致性。数据清洗阶段的主要任务包括：

1. **异常值处理（Outlier Handling）**：这一步是为了识别和处理数据中的异常值，即那些明显偏离其他数据点的值。异常值可能是由于数据输入错误、测量误差或其他原因引起的。

2. **缺失值处理（Missing Value Handling）**：这一步是为了处理数据集中缺失的部分。缺失值可能会影响数据分析的结果，因此需要通过删除、填补或插值等方法进行处理。

C: 预测结果可视化输出 和 D: 理解业务背景 不属于数据清洗阶段的任务。预测结果可视化输出属于数据挖掘过程中的结果展示阶段，而理解业务背景则是知识发掘过程中的初始阶段，旨在明确问题和目标。

因此，A和B是数据清洗阶段的典型任务。