在互聯(lián)網(wǎng)發(fā)展到，那么數(shù)據(jù)就等于金錢。隨著向一個基于應(yīng)用的領(lǐng)域過渡，數(shù)據(jù)則呈現(xiàn)出了指數(shù)級增長。然而，百分之八十的數(shù)據(jù)是非結(jié)構(gòu)化的，因此它需要一個程序和方法來從中提取有用信息，并且將其轉(zhuǎn)換為可理解、可用的結(jié)構(gòu)化形式。

在數(shù)據(jù)挖掘過程中，有大量的工具可供使用，比如采用人工智能、機(jī)器學(xué)習(xí)，以及其他技術(shù)等來提取數(shù)據(jù)。
 

以下為您推薦六款的工具：

1、WEKA

WEKA 原生的非 Java 版本主要是為了分析農(nóng)業(yè)領(lǐng)域數(shù)據(jù)而開發(fā)的。該工具基于 Java 版本，是非常復(fù)雜的，并且應(yīng)用在許多不同的應(yīng)用中，包括數(shù)據(jù)分析以及預(yù)測建模的可視化和算法。與 RapidMiner 相比優(yōu)勢在于，它在 GNU 通用公共許可證下是免費(fèi)的，因?yàn)橛脩艨梢园凑兆约旱南埠眠x擇自定義。

WEKA 支持多種標(biāo)準(zhǔn)數(shù)據(jù)挖掘任務(wù)，包括數(shù)據(jù)預(yù)處理、收集、分類、回歸分析、可視化和特征選取。添加序列建模后，WEKA 將會變得更強(qiáng)大，但目前不包括在內(nèi)。

2、RapidMiner

該工具是用 Java 語言編寫的，通過基于模板的框架提供先進(jìn)的分析技術(shù)。該款工具最大的好處就是，用戶無需寫任何代碼。它是作為一個服務(wù)提供，而不是一款本地軟件。值得一提的是，該工具在數(shù)據(jù)挖掘工具榜上位列榜首。

另外，除了數(shù)據(jù)挖掘，RapidMiner 還提供如數(shù)據(jù)預(yù)處理和可視化、預(yù)測分析和統(tǒng)計(jì)建模、評估和部署等功能。更厲害的是它還提供來自 WEKA(一種智能分析環(huán)境)和 R 腳本的學(xué)習(xí)方案、模型和算法。

RapidMiner 分布在 AGPL 開源許可下，可以從 SourceForge 上下載。SourceForge 是一個開發(fā)者進(jìn)行開發(fā)管理的集中式場所，大量開源項(xiàng)目在此落戶，其中就包括維基百科使用的 MediaWiki。

3、NLTK

當(dāng)涉及到語言處理任務(wù)，沒有什么可以打敗 NLTK。NLTK 提供了一個語言處理工具，包括數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、數(shù)據(jù)抓取、情感分析等各種語言處理任務(wù)。

而您需要做的只是安裝 NLTK，然后將一個包拖拽到您最喜愛的任務(wù)中，您就可以去做其他事了。因?yàn)樗怯?Python 語言編寫的，你可以在上面建立應(yīng)用，還可以自定義它的小任務(wù)。

4、Orange

Python 之所以受歡迎，是因?yàn)樗唵我讓W(xué)并且功能強(qiáng)大。如果你是一個 Python 開發(fā)者，當(dāng)涉及到需要找一個工作用的工具時，那么沒有比 Orange 更合適的了。它是一個基于 Python 語言，功能強(qiáng)大的開源工具，并且對初學(xué)者和專家級的大神均適用。

此外，你肯定會愛上這個工具的可視化編程和 Python 腳本。它不僅有機(jī)器學(xué)習(xí)的組件，還附加有生物信息和文本挖掘，可以說是充滿了數(shù)據(jù)分析的各種功能。

5、KNIME

數(shù)據(jù)處理主要有三個部分：提取、轉(zhuǎn)換和加載。 而這三者 KNIME 都可以做到。 KNIME 為您提供了一個圖形化的用戶界面，以便對數(shù)據(jù)節(jié)點(diǎn)進(jìn)行處理。它是一個開源的數(shù)據(jù)分析、報告和綜合平臺，同時還通過其模塊化數(shù)據(jù)的流水型概念，集成了各種機(jī) 器學(xué)習(xí)的組件和數(shù)據(jù)挖掘，并引起了商業(yè)智能和財(cái)務(wù)數(shù)據(jù)分析的注意。

KNIME 是基于 Eclipse，用 Java 編寫的，并且易于擴(kuò)展和補(bǔ)充插件。其附加功能可隨時添加，并且其大量的數(shù)據(jù)集成模塊已包含在核心版本中。

6、R-Programming

如果我告訴你R項(xiàng)目，一個 GNU 項(xiàng)目，是由 R(R-programming簡稱，以下統(tǒng)稱R)自身編寫的，你會怎么想?它主要是由 C 語言和 FORTRAN 語言編寫的，并且很多模塊都是由 R 編寫的，這是一款針對編程語言和軟件環(huán)境進(jìn)行統(tǒng)計(jì)計(jì)算和制圖的免費(fèi)軟件。

R語言被廣泛應(yīng)用于數(shù)據(jù)挖掘，以及開發(fā)統(tǒng)計(jì)軟件和數(shù)據(jù)分析中。近年來，易用性和可擴(kuò)展性也大大提高了 R 的知名度。除了數(shù)據(jù)，它還提供統(tǒng)計(jì)和制圖技術(shù)，包括線性和非線性建模，經(jīng)典的統(tǒng)計(jì)測試，時間序列分析、分類、收集等等。