北大青鸟java培训：八个最佳的数据中心开源挖掘工具？

数据挖掘，又称为资料探勘、数据采矿。

它是数据库知识发现(英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤，是一个挖掘和分析大量数据并从中提取信息的过程。

其中一些应用包括市场细分-如识别客户从特定品牌购买特定产品的特征，欺诈检测-识别可能导致在线欺诈的交易模式等。

在本文中，贵阳电脑培训http://www.kmbdqn.cn/整理了进行数据挖掘的8个最佳开源工具。

1、WekaWEKA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。

2、RapidMinerRapidMiner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。

3、OrangeOrange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，模式评烂卜估和勘探带圆的功能。

其由C++和Python开发，它的图形库是由跨平台的Qt框架开发。

4、KnimeKNIME(KonstanzInformationMiner)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。

5、jHepWorkjHepWork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。

6、ApacheMahoutApacheMahout是ApacheSoftwareFoundation(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，包蠢历塌括集群、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。

7、ELKIELKI(EnvironmentforDevelopingKDD-ApplicationsSupportedbyIndex-Structures)主要用来聚类和找离群点。

ELKI是类似于weka的数据挖掘平台，用java编写，有GUI图形界面。

可以用来寻找离群点。

数据挖掘（英语：Datamining），又译为资料探勘、数据采矿。

它是数据库知识发现（英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤。

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。

山东IT培训http://www.kmbdqn.cn/发现数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索轮念、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方腊信困法来实现上述目标。

数据挖掘基于数据库理论，机器学习，人工智能，现代统计学的迅速发展的交叉学科，在很多领域中都有应用。

涉及到很多的算法，源于机器学习的神经网络，决策树，也有基于统计学习理论的支持向量机，分类回归树，和关联分析的诸多算法。

数据挖掘的定义是从海量数据中找到有意义的模式或知识。

大数据（bigdata），指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法坦含（抽样调查）这样的捷径，而采用所有数据进行分析处理。

大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）、Veracity（真实性）。