数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学数据挖掘的工具有哪些？
数据挖掘有各种各样的工具，如下所示：
MonkeyLearn − MonkeyLearn是一个专注于文本挖掘的机器学习平台。它具有用户友好的界面，因此可以轻松地将MonkeyLearn与现有工具集成，以实时实现数据挖掘。它可以使用预先训练的文本挖掘模型（例如下面的情感分析器）立即开始，或者构建自定义解决方案以满足更具体的业务需求。
Rapid Miner − Rapid Miner是一个免费的开源数据科学平台，具有数千种用于数据准备、机器学习、深度学习、文本挖掘和预测分析的算法。
它的拖放界面和预构建模型使非程序员能够为特定用例（例如欺诈检测和客户流失）创建预测工作流程。
Orange 数据挖掘 − Orange是一个纯粹的机器学习和数据挖掘软件套件。它提供可视化功能，并且是一个基于组件的应用程序，这些组件是用Python编程语言编写的，并在斯洛文尼亚卢布尔雅那大学计算机与信息科学学院的生物信息学实验室进行了高级开发。
KNIME − 它是一个由KNIME.com生产的开源软件。它通过结合数据挖掘和机器学习元素构建而成。它通常用于药物研究、商业智能和金融分析。
SSDT − SSDT代表SQL Server数据工具。它可以在Visual Studio中扩展数据库开发过程。它通常用于数据分析，并支持解决商业智能问题的解决方案。
SSDT支持表设计器来实现表操作，例如创建表、插入表数据、删除表数据、更改表内容。因为它支持SQL，所以它使用户能够连接到数据库。
Rattle − Rattle是一个基于GUI的数据挖掘工具。它需要R统计编程语言。Rattle通过提供基本的数据挖掘功能来展现R的统计能力。虽然Rattle具有全面且完善的用户界面，但它有一个统一的日志代码选项卡，会为某些GUI操作生成重复代码。
Rattle开发的数据集可以查看和编辑。Rattle提供其他功能来审查代码、将其用于多种用途以及在没有限制的情况下扩展代码。
SAS − SAS代表统计分析系统。此工具是文本挖掘、优化和数据挖掘的良好选择。它提供多种方法和技术来满足多种分析能力，从而创建组织的需求和目标。
它包括描述性建模（有助于对用户进行分类和分析）、预测性建模（方便预测未知结果）和规范性建模（用于解析、过滤和转换非结构化数据，包括电子邮件评论字段、书籍等）。此外，其分布式内存处理架构也使其具有高度可扩展性。
894 次浏览
