首页 > 数据库, 杂项资源 > 五个免费开源的数据挖掘软件

五个免费开源的数据挖掘软件

2010年12月13日 发表评论 阅读评论 15,637 人阅读    

在网上看到一篇文章介绍五个免费开源的数据挖掘软件,转过来。

Orange

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。

RapidMiner

RapidMiner, 以前叫 YALE (Yet Another Learning Environment), 其是一个给机器学习和数据挖掘和分析的试验环境,同时用于研究了真实世界数据挖掘。它提供的实验由大量的算子组成,而这些算子由详细的XML 文件记录,并被RapidMiner图形化的用户接口表现出来。RapidMiner为主要的机器学习过程提供了超过500算子,并且,其结合了学习方案和Weka学习环境的属性评估器。它是一个独立的工具可以用来做数据分析,同样也是一个数据挖掘引擎可以用来集成到你的产品中。

Weka

由Java开发的 Weka (Waikato Environment for Knowledge Analysis) 是一个知名机器学机软件,其支持几种经典的数据挖掘任务,显著的数据预处理,集群,分类,回归,虚拟化,以及功能选择。其技术基于假设数据是以一种单个文件或关联的,在那里,每个数据点都被许多属性标注。 Weka 使用Java的数据库链接能力可以访问SQL数据库,并可以处理一个数据库的查询结果。它主要的用户接品是Explorer,也同样支持相同功能的命令行,或是一种基于组件的知识流接口。

JHepWork

为科学家,工程师和学生所设计的 jHepWork 是一个免费的开源数据分析框架,其主要是用开源库来创建 一个数据分析环境,并提供了丰富的用户接口,以此来和那些收费的的软件竞争。它主要是为了科学计算用的二维和三维的制图,并包含了用Java实现的数学科学库,随机数,和其它的数据挖掘算法。 jHepWork 是基于一个高级的编程语言 Jython,当然,Java代码同样可以用来调用 jHepWork 的数学和图形库。

KNIME

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。它给了用户有能力以可视化的方式创建数据流或数据通道,可选择性地运行一些或全部的分析步骤,并以后面研究结果,模型 以及 可交互的视图。 KNIME 由Java写成,其基于 Eclipse 并通过插件的方式来提供更多的功能。通过以插件的文件,用户可以为文件,图片,和时间序列加入处理模块,并可以集成到其它各种各样的开源项目中,比如:R语言,Weka, Chemistry Development Kit, 和 LibSVM.

源文:http://www.junauza.com/2010/11/free-data-mining-software.html(墙)

(转载本站文章请注明作者和出处 酷 壳 – CoolShell.cn ,请勿用于任何商业用途)

——=== 访问 酷壳404页面 寻找遗失儿童。 ===——
好烂啊有点差凑合看看还不错很精彩 (6 人打了分,平均分: 4.50 )
Loading ... Loading ...
  1. lichsword
    2010年12月13日09:12 | #1

    全都没用过。

  2. avalon3515
    2010年12月13日10:36 | #2

    只用过WEKA。。可惜没有很早看到这篇博文,否则毕业设计能少走很多弯路啊

  3. 2010年12月13日20:39 | #3

    只用过weka

  4. 2010年12月21日16:38 | #4

    全部试用,欢迎大家交流心得。

  5. camelwoo
    2010年12月28日11:32 | #5

    不知道什么是“数据挖掘”,感觉很高深

  6. 2011年3月18日17:07 | #6

    开源的只适合研究用,根本没法商用.要是商用,推荐国产数据挖掘软件GDM(Geni-Sage Data Mining Analysis System,博通数据挖掘分析系统),公司网站http://www.geni-sage.com.性能卓越,功能强大,设计创新的B/S,分布式数据挖掘系统.绝对的高性价比!!!

  7. songtianyi
    2011年7月5日17:58 | #7
  1. 2010年12月25日15:27 | #1
  2. 2011年6月18日21:50 | #2
  3. 2011年8月22日16:13 | #3
  4. 2013年1月9日21:36 | #4
  5. 2013年11月14日16:57 | #5
  6. 2014年1月23日10:35 | #6