数据挖掘是指从大量的数据中发现潜在的、有用的知识的过程。近年来数据挖掘技术成了商业销售领域的核心技术,被广泛应用到了诸多领域,引起了学术界和产业界极大的关注,如何提高数据挖掘的效率成为学术界热门的研究课题。本文主要针对关联规则发现,商业销售预测领域方面的应用研究。本文讨论了数据挖掘的一般理论,包括数据挖掘的概念、任务、模式以及数据挖掘的应用和发展趋势。研究了关联规则中经典的Apriori算法。也深入研究了线性回归分析预测算法,总结了该算法存在的问题,提出了一种基于关联规则的改进的线性回归分析预测算法。该算法的主要思想是先使用线性回归分析算法预测出一种药品的销售金额,然后利用改进的的线性回归分析算法预测与其相互关联的其它药品的销售金额。该算法和线性回归分析算法相比较,减少了时间开销,提高了效率。同时,根据Apriori算法和改进的线性回归分析算法设计了线性回归预测系统,该系统的主要功能是挖掘研究对象的频繁项集,并从频繁项集(不包括频繁1-项集)中挑选出支持数最多的一个项集,对其中的药品利用改进的先性回归分析算法预测其未来几个月的销售金额。最后,将该系统应用到医药销售中,预测药品的销售金额,并对预测结果进行了验证,表明了改进的线性回归预测算法是可行的。本文的工作虽然取得了一定的成果,但尚有大量问题有待于进一步研究,比如,提高预测的准确率；如何将挖掘结果友好地呈现给用户。