工具推薦 | 分析大資料最需要的Top 10資料挖掘工具

本文講的是<b>工具推薦 | 分析大資料最需要的Top 10資料挖掘工具</b>，首先，我們要了解什麼是資料挖掘？官方提供的定義如下：資料挖掘又稱為資料探勘、資料采礦。它是資料庫知識發現（Knowledge-Discovery in Databases，簡稱：KDD）中的一個步驟，一般是指從大量的資料中通過算法搜尋隐藏于其中資訊的過程。資料挖掘通常與計算機科學有關，并通過統計、線上分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識别等諸多方法來實作上述目标。随着資料量的爆炸式增長，我們需要借助一些有效的工具進行資料挖掘工作，進而幫助我們更輕松地從巨大的資料集中找出關系、叢集、模式、分類資訊等。借助這類工具可以幫助我們做出最準确的決策，為我們的業務擷取更多收益。

下面小編就為大家總結了10款最佳的資料挖掘工具，可以幫助大家從各種角度分析大資料，并通過資料做出正确的業務決策：

TOP10 資料挖掘工具 

1. RapidMiner

RapidMiner是最受歡迎的免費資料挖掘工具之一，它是一個開源的資料挖掘軟體，由Java語言編寫而成，提供一些可擴充的資料分析挖掘算法的實作，旨在幫助開發人員更加友善快捷地建立智能應用程式。該款工具最大的好處就是，使用者無需寫任何代碼。它是作為一個服務提供，而不是一款本地軟體。

除了資料挖掘，RapidMiner還提供如資料預處理和可視化、預測分析和統計模組化、評估和部署等功能。

RapidMiner還有一些很有用的擴充包，可以用來搭建推薦系統和評論挖掘系統，一個擴充包是推薦系統擴充包rmx_irbrecommender-ANY-5.0.4.jar，可以直接實作基于内容的和基于協同過濾的推薦系統。另一個擴充包是資訊抽取擴充包rapidminer-Information-Extraction-1.0.2.jar，可以用于實作特征和觀點詞的提取，若再配合RapidMiner提供的文本分類功能，應該可以實作一個評論挖掘原型系統。

下載下傳位址：https://rapidminer.com/

2. SAS Data Mining（SAS 資料挖掘軟體）

SAS最開始發源于北卡羅來納州立大學，1976年SAS的成套軟體從學校分離出來進入公司。使用者可以使用SAS資料挖掘商業軟體發掘資料集的模式，其描述性和預測性模型為使用者更深入的了解資料提供了基礎。

使用者不需要寫任何代碼，它們提供易于使用的GUI，并提供從資料處理、叢集到最終環節的自動化工具，使用者可以從中得出最佳結果做出正确決策。由于它屬于商業資料挖掘軟體，是以其中包含很多高端的工具，包括自動化、密集像算法、模組化、資料可視化等等。

下載下傳位址：https://www.sas.com/

3. WEKA

WEKA是一款非常複雜的資料挖掘工具，其原生的非Java版本主要是為了分析農業領域資料而開發的。該工具基于Java版本，支援多種标準資料挖掘任務，包括資料預處理、收集、分類、回歸分析、可視化和特征選取。

與Rapid Miner相比優勢在于，它在GNU通用公共許可證下是免費的，因為使用者可以按照自己的喜好選擇自定義。

進階使用者可以通過Java程式設計和指令行來調用其分析元件。同時，Weka也為普通使用者提供了圖形化界面，稱 為Weka KnowledgeFlow Environment和Weka Explorer。此外，使用者還可以在Weka論壇可以找到很多擴充包，比如文本挖掘、可視化、網格計算等等。很多其它開源資料挖掘軟體也支援調用Weka的分析功能。

下載下傳位址：http://www.cs.waikato.ac.nz/ml/weka/

4. Software – R

R軟體是另一種較為流行的GNU開源資料挖掘工具，它主要是由C語言和FORTRAN語言編寫的，是一款針對程式設計語言和軟體環境進行統計計算和制圖的免費軟體。

除了可以為科學家、研究人員以及學生提供資料挖掘和分析功能外，它還可以提供統計和制圖技術，包括線性和非線性模組化，經典的統計測試，時間序列分析、分類、收集等等。

下載下傳位址：http://www.rdatamining.com/package

5. Orange資料挖掘軟體

Orange是一個開源資料挖掘和機器學習工具，它的圖形環境稱為Orange畫布（OrangeCanvas），使用者可以在畫布上放置分析控件 （widget），然後把控件連接配接起來即可組成挖掘流程。除了界面友好易于使用的優點，Orange的強項在于提供了大量可視化方法，可以對資料和模型進行多種圖形化展示，并能智能搜尋合适的可視化形式，支援對資料的互動式探索。

此外，它包含了完整的一系列的元件以進行資料預處理，并提供了資料帳目，過渡，模組化，模式評估和勘探的功能。

Orange的弱項在于傳統統計分析能力不強，不支援統計檢驗，報表能力也有限。Orange的底層核心也是采用C++編寫，同時允許使用者使用Python腳本語言來進行擴充開發。

下載下傳位址：orange.biolab.si

6. KNIME 

KNIME（Konstanz Information Miner）是基于Eclipse，用Java編寫的一款開源的資料分析、報告和綜合平台，擁有資料提取、內建，處理，分析、轉換以及加載所需的所有資料挖掘工具。此外，它具有圖形使用者界面，可以幫助使用者輕松連接配接節點進行資料處理。

它結合了資料挖掘和機器學習的各種元件，對商業情報和财務資料分析非常有幫助。此外，使用者還可以通過随時添加附加功能輕松地擴充KNIME。

下載下傳位址：https://www.knime.org/

7. NLTK

NLTK（Natural Language Tool Kit）最适用于語言處理任務，因為它可以提供一個語言處理工具，包括資料挖掘、機器學習、資料抓取、情感分析等各種語言處理任務。而您需要做的隻是安裝NLTK，然後将一個包拖拽到您最喜愛的任務中，您就可以去做其他事了。因為它是用Python語言編寫的，你可以在上面建立應用，還可以自定義它的小任務。

下載下傳位址：http://www.nltk.org/

8. JHepWork

為科學家，工程師和學生所設計的jHepWork是一個免費的開源資料分析架構，其主要是用開源庫來建立一個資料分析環境，并提供了豐富的使用者接口，以此來和那些收費的的軟體競争。它主要是為了科學計算用的二維和三維的制圖，并包含了用Java實作的數學科學庫，随機數，和其它的資料挖掘算法。jHepWork是基于一個進階的程式設計語言Jython，當然，Java代碼同樣可以用來調用jHepWork的數學和圖形庫。

下載下傳位址：https://sourceforge.net/projects/jhepwork/

9. Pentaho

Pentaho為資料內建、業務分析以及大資料處理提供一個全面的平台。使用這種商業工具，你可以輕松地混合各種來源的資料，通過對業務資料進行分析可以為未來的決策提供正确的資訊引導。

下載下傳位址：http://www.pentaho.com/

10. Tanagra

Tanagra是為學術和研究目的開發的資料挖掘軟體，且是完全免費的。它使用圖形界面的資料挖掘軟體，采用了類似Windows資料總管中的樹狀結構來組織分析元件。Tanagra缺乏進階的可視化能力，但它的強項是統計 分析，提供了衆多的有參和無參檢驗方法。同時它的特征選取方法也很多。

下載下傳位址：eric.univ-lyon2.fr/~ricco/tanagra/en/tanagra.html

以上介紹的幾款軟體都是優秀的開源資料挖掘軟體，各有所長，同時也各有缺點。讀者可以結合自己的需求來進行選擇，或者組合使用多個軟體。對于普通使用者可以選用界面友好易于使用的軟體，對于希望從事算法開發的使用者則可以根據軟體開發工具不同來選擇相應的軟體。

原文釋出時間為：2017年4月10日

本文作者：小二郎

本文來自雲栖社群合作夥伴嘶吼，了解相關資訊可以關注嘶吼網站。

<a href="http://www.4hou.com/info/news/4174.html" target="_blank">原文連結</a>