数据挖掘 https://www.smartbi.com.cn/ (Data Mining), 也叫数据开采, 数据采掘等, 是按照既定的业务目标从海量数据中提取出潜在, 有效并能被人理解的模式的高级处理过程. 在较浅的层次上, 它利用现有数据库管理系统的查询, 检索及报表功能, 与多维分析, 统计分析方法相结合, 进行联机分析处理 (O 乙心), 从而得出可供决策参考的统计分析数据; 在深层次上, 则从数据库中发现前所未有的, 隐含的信息.
随着数据量的爆炸式增长, 我们需要借助一些有效的工具进行数据挖掘工作, 从而帮助我们更轻松地从巨大的数据集中找出关系, 集群, 模式, 分类信息等. 下面小麦整理了市面上五款好用的数据挖掘工具, 以供大家参考选择!
1.Rapid Miner
Rapid Miner, 原名 YALE 又一个学习环境, 是一个用于机器学习和数据挖掘实验的环境, 用于研究和实际的数据挖掘任务. 毫无疑问, 这是世界领先的数据挖掘开源系统. 该工具以 Java 编程语言编写, 通过基于模板的框架提供高级分析.
它使得实验可以由大量的可任意嵌套的操作符组成, 这些操作符在 xml 文件中是详细的, 并且是由快速的 Miner 的图形用户界面完成的. 最好的是用户不需要编写代码. 它已经有许多模板和其他工具, 让我们可以轻松地分析数据.
2. KNIME
Konstanz 信息采集器是一个用户友好, 可理解, 全面的开源数据集成, 处理, 分析和探索平台. 它有一个图形用户界面, 帮助用户方便地连接节点进行数据处理.
KNIME 还通过模块化的数据流水线概念集成了机器学习和数据挖掘的各种组件, 并引起了商业智能和财务数据分析的注意.
3.Smartbi
Smartbi Mining 是一个专业的数据挖掘平台述 https://www.smartbi.com.cn/ , 通过深度数据建模, 为企业提供预测能力. 算法丰富, 支持多种高效实用的机器学习算法, 包含了分类, 回归, 聚类, 预测, 关联, 5 大类机器学习的成熟算法; 功能完备, 除提供主要算法和可视化建模功能外, Smartbi Mining 还提供了必不可少的数据预处理功能; 易学易用, 一站式完成数据处理和建模.
4. Orange
Orange 是一个以 Python 语言编写的基于组件的数据挖掘和机器学习软件套件. 它是一个开放源码的数据可视化和分析的新手和专家. 数据挖掘可以通过可视化编程或 Python 脚本进行. 它还包含了数据分析, 不同的可视化, 从散点图, 条形图, 树, 到树图, 网络和热图的特征.
5. Tanagra
TANAGRA 是一个用于学术和研究目的的数据挖掘软件. 有探索性数据分析, 统计学习, 机器学习和数据库领域的工具. Tanagra 包含一些监督学习, 但也包括其他范例, 如聚类, 因子分析, 参数和非参数统计, 关联规则, 特征选择和构建算法.
来源: http://www.bubuko.com/infodetail-3651588.html