数据挖掘开源工具 [关闭]
Posted
技术标签:
【中文标题】数据挖掘开源工具 [关闭]【英文标题】：Data Mining open source tools [closed] 【发布时间】：2010-10-24 13:25:53 【问题描述】：我将从事一个数据挖掘项目。在我开始之前，我想探索不同的数据挖掘工具（最好是开源的），这些工具允许基于 Web 的报告。在我的场景中，数据将提供给我，所以我不应该抓取它。
简而言之，我正在寻找一种工具——数据分析、基于 Web 的报告、提供某种仪表板和挖掘功能。
我曾在 Microsoft Analysis Services 和 BOXI 工作过，最近我一直在研究 Pentaho，这似乎是一个不错的选择。
请分享您对任何您知道的此类工具的经验。
干杯
【问题讨论】：
还有一点 - 我想要一个可以很好地与 .NET 代码甚至 Python 交互的工具。 【参考方案1】：我相信 WEKA 是目前最好的开源 DM 软件。
查看：http://www.cs.waikato.ac.nz/ml/weka/
【讨论】：
但仅用于分类，数据挖掘的一个子主题。【参考方案2】：Weka 很棒，但您可能想尝试使用 Orange Data Mining 工具包。
http://www.ailab.si/orange/
编辑：截至 2010 年 11 月，我必须说我真的很喜欢 KNIME。
【讨论】：
+1 为 KNIME。几周前我发现了这一点，并且对它的功能印象深刻。支持 Java、Python 和 R 脚本，BIRT 插件让编写报告变得轻而易举。【参考方案3】：R 有很多与数据挖掘相关的优秀软件包。特别是，请看：
The machine learning view on CRAN. The natural language processing view on CRAN.它还与 Weka (see the RWeka package) 相关联。它可以与 .Net（通过 COM）或 Python（通过 RPy 或 RPy2）集成。
我同意将 Pentaho 作为报告平台，尽管它是一个非常大的项目，具体取决于您使用它的目的。
【讨论】：
【参考方案4】：您还应该查看Apache Mahout。它对于一些大规模的机器学习任务（例如用户聚类）非常有用。
【讨论】：
Apache 许可证是最大的优势，因为其他提到的库使用禁止商业用例的 GPL【参考方案5】：RapidMiner 是我首选的数据挖掘工具。
【讨论】：
【参考方案6】：我会尝试使用新的谷歌工具。
-首先您需要获取 google-storage 的 api id，这是您要存储和操作要分析的数据的地方。
-然后您需要获取 google-prediction-api (http://code.google.com/apis/predict/docs/getting-started.html) 的 api id，据我所知，这是一个出色的外包数据挖掘处理器。预测 API 允许您从数据中获取更多信息，并使其模式更易于访问。除了使用传统的数字和名义数据外，您还可以使用文本数据，借助此 api 可用于例如按语言对电子邮件进行分类。
-最后，您可以使用 bigQuery 来执行临时分析、标准化报告、数据探索应用原型 (http://code.google.com/apis/bigquery/)
【讨论】：
【参考方案7】：KEEL (http://keel.es) 是用 Java 编写的，非常适合使用进化计算进行数据挖掘。
【讨论】：
【参考方案8】：查看由 JMLR 维护的用于机器学习的开源软件列表。 你可以在这里找到它：
http://mloss.org/software/
http://jmlr.csail.mit.edu/mloss/
它们代表了最先进的技术！
我对 Weka 的问题是其中的一些算法已经过时了。
【讨论】：
【参考方案9】：我相信 RapidMiner 是一款出色的工具，应该添加到此列表中。
【讨论】：
【参考方案10】：WEKA（已经提到）， 橙色（http://orange.biolab.si/）， Tanagra (http://data-mining-tutorials.blogspot.com) 你可以在那里找到很好的教程。
是非常好的数据挖掘工具。
【讨论】：
【参考方案11】：您可以查看我的软件 SPMF data mining framework。
它是一个开源 Java 软件，提供 70 多种算法：
频繁项集挖掘， 关联规则挖掘， 顺序模式挖掘 顺序规则挖掘。 等等..【讨论】：
【参考方案12】：Pentaho 是一个非常专业的解决方案。绝对是一个非常不错的选择。
【讨论】：
【参考方案13】：您可以查看Data Mining SDK 及其blog。
【讨论】：
【参考方案14】：这里列出了一些开源数据挖掘工具： http://dataminingtools.net/browse.php
【讨论】：
【参考方案15】：Eclipse BIRT http://www.eclipse.org/birt/phoenix/project/description.php
【讨论】：
【参考方案16】：我相信KNIME 也应该加入这个名单。
【讨论】：
【参考方案17】：Weka 擅长分类和/机器学习/。对许多人来说，这被认为是人工智能的一部分，而不是实际的数据挖掘。 RapidMiner 大致沿用相同的路线，但用户界面要好得多。 Pentaho 是 Weka AFAICT 的专业支持。
您可能想看看 ELKI，http://elki.dbs.ifi.lmu.de/，这是一个可比较的项目，专注于聚类算法和异常值检测，这是数据挖掘的另外两个关键任务。
【讨论】：
【参考方案18】：你可以看看数据挖掘工具，weka
这里是 WEKA 上一系列教程和视频的链接 教程：http://www.dataminingtools.net/browsetutorials.php?tag=weka
视频： http://www.dataminingtools.net/videos.php?id=6
【讨论】：
【参考方案19】：除了工具，我强烈建议学习 Python 和 R。这些语言在分析过程中帮助很大。此外，可以“自定义分析”大型数据集。您还可以使用 javascript 创建自己的自定义仪表板（查看 numerous charting and visualization libraries）
【讨论】：
【参考方案20】：我自己就是个蟒蛇，我不得不说：
是的！所有这些都可以在 Python 中完成。
我上次玩的是 Beautiful Soup[0]。这是一个非常简单易用的模块，可让您从 html 和 xml 中抓取/挖掘数据（非常适合“屏幕抓取”）。
如果你不懂python，....嗯，它真的很容易学。
[0]http://www.crummy.com/software/BeautifulSoup/
【讨论】：
数据挖掘就是发现数据中的“隐藏”知识，它与屏幕报废无关（至少直接），但感谢您指点我美丽的汤，我会玩它。 =) 所有这些都可以在 ASSEMBLER 中完成！以上是关于数据挖掘开源工具 [关闭]的主要内容，如果未能解决你的问题，请参考以下文章