您好、欢迎来到现金彩票网!
当前位置:秒速快3 > 数据挖掘 >

常用的数据挖掘工具有哪些

发布时间:2019-07-28 04:07 来源:未知 编辑:admin

  WEKA作为一个公开的数据挖掘工作平台,集合了大量能承担数据挖掘任务的机器学习算法,包括对数据进行预处理,分类,回归、聚类、关联规则以及在新的交互式界面上的可视化。RapidMiner是世界领先的数据挖掘解决方案,在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛,包括各种数据艺术,能简化数据挖掘过程的设计和评价。

  Orange是一个基于组件的数据挖掘和机器学习软件套装,它的功能即友好,又很强大,快速而又多功能的可视化编程前端,以便浏览数据分析和可视化,基绑定了 Python以进行脚本开发。它包含了完整的一系列的组件以进行数据预处理,并提供了数据帐目,过渡,建模,模式评估和勘探的功能。其由C++ 和 Python开发,它的图形库是由跨平台的Qt框架开发。

  KNIME (Konstanz Information Miner) 是一个用户友好,智能的,并有丰演的开源的数据集成,数据处理,数据分析和数据勘探平台。

  jHepWork是一套功能完整的面向对象科学数据分析框架。 Jython宏是用来展示一维和二维直方图的数据。该程序包括许多工具,可以用来和二维三维的科学图形进行互动。

  Apache Mahout 是 Apache Software Foundation (ASF) 开发的一个全新的开源项目,其主要目标是创建一些可伸缩的机器学习算法,供开发人员在 Apache 在许可下免费使用。该项目已经发展到了它的最二个年头,目前只有一个公共发行版。Mahout 包含许多实现,包括集群、分类、CP 和进化程序。此外,通过使用 Apachehadoop库,Mahout 可以有效地扩展到云中。

  Rattle(易于学习的 R 分析工具)提供数据的统计和可视化摘要,将数据转换成容易建模的形式,从数据中构建无监督和监督模型,以图形方式呈现模型的性能,并得出新的数据集。

  展开全部来推荐一个最新的敏捷BI工具,叫DataFocus。它采用自然语言分析处理,运用搜索问答式的交互方式,更贴合用户使用习惯,并在使用中运用AI智能去辅助用户对数据进行探索。轻量建模、数据直连、灵活交互,性价比更高、上线更快、使用更方便、价值更大。基于大数据前提的数据处理技术,列存储、内存计算等支持对TB级的数据实现秒级响应,能交互式分析,上钻下钻挖掘数据。以无IT背景业务人员为目标用户,当然数据分析师也一样能用,而且可以更关注于问题本身,略去以前繁重的编程过程。不需要IT人员进行事先建模,可在分析过程中灵活调整以及自动建模,提升分析的效率从而提升企业决策的洞察力和及时性。他们的官网可以申请试用,有兴趣可以去试试。

http://talkingwithjon.com/shujuwajue/885.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有