用于数据挖掘的免费软件工具免费的工具挖掘工具介绍

　　用于数据挖掘的免费软件工具免费的工具挖掘工具介绍

　　数据意味着当今世界的金钱。随着向基于应用程序的世界过渡，数据呈指数级增长。但是，大多数数据都是非结构化的，因此需要一种过程和方法来从数据中提取有用的信息，并将其转换为可理解和可用的形式。

　　

　　数据挖掘或“数据库中的知识发现”是通过人工智能，机器学习，统计信息和数据库系统在大型数据集中发现模式的过程。

　　免费的数据挖掘工具包括完整的模型开发环境，例如Knime和Orange，以及使用Java和C ++编写的各种库，其中最常见的是Python。数据挖掘通常涉及四个任务：

　　分类：将熟悉的结构归纳为新数据的任务

　　聚类：以某种方式在数据中查找组合结构的任务，而无需使用数据中已注意到的结构。

　　关联规则学习：找到变量之间的关系

　　回归：目的是找到一个模拟误差最小的数据的函数。

　　下面列出的是用于数据挖掘的免费软件工具

　　数据挖掘工具

　　1.快速矿工

　　

　　快速矿工（Rapid Miner，以前称为YALE）是另一种学习环境。这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。该工具使用Java编程语言编写，并通过基于模板的框架提供了高级分析。

　　它允许实验由大量任意嵌套的运算符组成。这些运算符在XML文件中进行了详细说明，并由快速的Miner图形用户界面完成。最好的事情是用户不需要编写代码。它已经具有许多模板和其他工具，可让我们轻松地分析数据。

　　2. IBM SPSS Modeler

　　

　　IBM SPSS Modeler工具工作台最适合处理诸如文本分析之类的大型项目，并且其可视化界面非常有价值。它使您无需编程即可生成各种数据挖掘算法。它也可以用于异常检测，贝叶斯网络，CARMA，Cox回归以及使用多层感知器进行反向传播学习的基本神经网络。

　　3. Oracle数据挖掘

　　

　　Oracle。作为“高级分析数据库”选项的一部分，Oracle数据挖掘功能允许其用户发现见解，做出预测并利用他们的Oracle数据。您可以构建模型来发现目标客户行为并开发*敏*感*词*。

　　Oracle Data Miner GUI使数据分析人员，业务分析人员和数据科学家可以使用一种相当优雅的拖放解决方案来处理数据库中的数据。它还可以创建SQL和PL / SQL脚本，以自动化，调度和部署整个企业。

　　4. Teradata

　　

　　Teradata认识到，尽管大数据很棒，但如果您实际上不知道如何分析和使用它，那将毫无用处。想象一下，有数百万个没有查询技能的数据点。这就是Teradata提供的。他们在数据仓库，大数据和分析以及营销应用程序中提供端到端的解决方案和服务。

　　Teradata还提供一系列服务，包括实施，业务咨询，培训和支持。

　　5.帧数据

　　

　　这是一个完全托管的解决方案，这意味着您无需执行任何操作，而是坐下来等待见解。框架数据从企业获取数据，并将其转换为可采取行动的见解和决策。他们在云中训练，优化和存储产品的电离模型，并通过API提供预测，从而消除了基础架构开销。它们提供仪表板和方案分析工具，以告诉您哪些公司的杠杆作用是您关注的驱动指标。

　　6. Kaggle

　　

　　Kaggle是世界上最大的数据科学社区。公司和研究人员发布了他们的数据，来自世界各地的统计人员和数据挖掘人员竞相争夺最佳模型。 Kaggle是数据科学竞赛的平台。它可以帮助您解决问题，招募强大的团队并扩大数据科学人才的实力。

　　三个步骤：上传预测问题；提交;评估和交流

　　7. Weka

　　

　　WEKA是一个非常复杂的数据挖掘工具。它显示了数据集，聚类，预测建模，可视化等方面的各种关系。您可以应用各种分类器来深入了解数据。

　　8.拨浪鼓

　　

　　Rattle代表R分析工具易于学习。它提供数据的统计信息和可视化摘要，将数据转换为易于建模的形式，从数据构建不受监督和受监督的模型，以图形方式显示模型的性能，并对新数据集进行评分。

　　这是一个免费的开源数据挖掘工具包，使用Gnome图形界面以统计语言R编写。它可以在GNU / Linux，Macintosh OS X和MS / Windows下运行。

　　9. KNIME

　　

　　康斯坦茨信息采集器是一个用户友好，易于理解且全面的开源数据集成，处理，分析和探索平台。它具有图形用户界面，可帮助用户轻松连接节点以进行数据处理。

　　KNIME还通过模块化数据管道概念将机器学习和数据挖掘的各个组件集成在一起，并引起了商业智能和财务数据分析的关注。

　　1 0. Python

　　作为一种免费的开源语言，Python通常与R进行比较，以易于使用。与R不同，Python的学习曲线非常短，这使它成为了传奇。许多用户发现他们可以在几分钟内开始构建数据集并完成极其复杂的亲和力分析。只要您熟悉变量，数据类型，函数，条件和循环等基本编程概念，最常见的业务用例数据可视化就很简单。

　　1 1.橙色

　　

　　Orange是用Python编写的基于组件的数据挖掘和机器学习软件套件。它是开源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脚本来完成。它还包括数据分析，不同的可视化效果，从散点图，条形图，树到树图，网络和热图的各种功能。

　　1 2. SAS数据挖掘

　　

　　使用SAS Data Mining商业软件发现数据集模式。它的描述性和预测性建模为更好地理解数据提供了见解。它们提供了易于使用的GUI。他们拥有自动化的数据处理工具，集群最终可以找到最佳结果，以做出正确的决策。作为商业软件，它还包括高级工具，例如可伸缩处理，自动化，增强算法，建模，数据可视化和浏览。

　　1 3. Apache Mahout

　　

　　Apache Mahout是Apache软件基金会的一个项目，主要用于在协作过滤，聚类和分类领域中生成分布式或其他可扩展的机器学习算法的免费实现。

　　Apache Mahout主要支持三种用例：建议探索用户行为并尝试查找用户可能喜欢的项目。集群需要文本文档，并将其分组为本地相关文档。分类从现有的分类文档中了解特定类别的文档的外观，并能够将未标记的文档分配给（希望是）正确的类别。

　　1 4. PSPP

　　

　　PSPP是用于对采样数据进行统计分析的程序。它具有图形用户界面和传统的命令行界面。它用C语言编写，使用来自GNU科学库的数学例程，并绘制UTILS来生成图形。它是IBM SPSS专有程序的免费替代产品，可以可靠地预测下一步会发生什么，以便您可以做出更明智的决策，解决问题并改善结果。

　　1 5. jHepWork

　　

　　jHepWork是一个免费的开源数据分析框架，它使用开源软件包和易于理解的用户界面来创建数据分析环境，并创建与商业程序竞争的工具。

　　JHepWork显示数据集的交互式2D和3D图，以便进行更好的分析。数字科学库和数学函数是用Java实现的。 jHepWork基于高级编程语言Jython，但是Java编码也可以用于调用jHepWork数字库和图形库。

　　1 6. R编程语言

　　

　　为什么R成为此列表中免费数据挖掘工具的超级明星？它是免费的，开源的，对于没有编程经验的人来说很容易选择。实际上，可以将成千上万个库集成到R环境中，从而使其成为功能强大的数据挖掘环境。这是用于统计计算和图形的免费软件编程语言和软件环境。

　　R语言在数据挖掘者中广泛用于统计软件和数据分析。近年来，易用性和可伸缩性极大地提高了R的受欢迎程度。

　　1 7.五角星

　　

　　Pentaho为数据集成，业务分析和大数据提供了一个全面的平台。使用此商业工具，您可以轻松融合任何来源的数据。深入了解您的业务数据，并为未来做出更准确的信息驱动决策。

　　1 8.塔纳格拉

　　

　　TANAGRA是用于学术和研究目的的数据挖掘软件。有用于探索性数据分析，统计学习，机器学习和数据库领域的工具。 Tanagra包括一些监督学习，还包括其他范式，例如聚类，因子分析，参数和非参数统计，关联规则，特征选择和构造算法。

　　1 9. NLTK

　　

　　自然语言工具包是用于Python语言的符号和统计自然语言处理（NLP）的一组库和程序。它提供了一个语言处理工具库，包括数据挖掘，机器学习，数据抓取，情感分析和其他各种语言处理任务。构建一个Python程序来处理人类语言数据。