數據在當今世界意味著金錢。隨著向基于app的世界的過渡，數據呈指數增長。然而，大多數數據是非結構化的，因此需要一個過程和方法從數據中提取有用的信息，并將其轉換為可理解的和可用的形式。

數據挖掘或“數據庫中的知識發現”是通過人工智能、機器學習、統計和數據庫系統發現大數據集中的模式的過程。

免費的數據挖掘工具包括從完整的模型開發環境如Knime和Orange，到各種用Java、c++編寫的庫，最常見的是Python。數據挖掘中通常涉及到四種任務:

分類: 將熟悉的結構概括為新數據的任務

聚類: 在數據中以某種方式查找組和結構的任務，而不需要在數據中使用已注意的結構。

關聯規則學習: 查找變量之間的關系

回歸: 旨在找到一個函數，用最小的錯誤來模擬數據。

下面列出了用于數據挖掘的免費軟件工具

數據挖掘工具

1.Rapid Miner

Rapid Miner，原名YALE又一個學習環境，是一個用于機器學習和數據挖掘實驗的環境，用于研究和實際的數據挖掘任務。毫無疑問，這是***的數據挖掘開源系統。該工具以Java編程語言編寫，通過基于模板的框架提供高級分析。

它使得實驗可以由大量的可任意嵌套的操作符組成，這些操作符在XML文件中是詳細的，并且是由快速的Miner的圖形用戶界面完成的。***的是用戶不需要編寫代碼。它已經有許多模板和其他工具，讓我們可以輕松地分析數據。

2. IBM SPSS Modeler

IBM SPSS Modeler工具工作臺最適合處理文本分析等大型項目，其可視化界面非常有價值。 它允許您在不編程的情況下生成各種數據挖掘算法。 它也可以用于異常檢測、貝葉斯網絡、CARMA、Cox回歸以及使用多層感知器進行反向傳播學習的基本神經網絡。

3.Oracle Data Mining

Oracle。 作為“高級分析數據庫”選項的一部分，Oracle數據挖掘功能允許其用戶發現洞察力，進行預測并利用其Oracle數據。您可以構建模型來發現客戶行為目標客戶和開發概要文件。

Oracle Data Miner GUI使數據分析師、業務分析師和數據科學家能夠使用相當優雅的拖放解決方案處理數據庫內的數據。 它還可以為整個企業的自動化、調度和部署創建SQL和PL / SQL腳本。

4. Teradata

Teradata認識到，盡管大數據是令人敬畏的，但如果您實際上并不知道如何分析和使用它，那么它是毫無價值的。 想象一下，有數百萬的數據點沒有查詢的技能。 這就是Teradata所提供的。它們提供數據倉庫，大數據和分析以及市場營銷應用程序方面的端到端解決方案和服務。

Teradata還提供一系列的服務，包括實施，業務咨詢，培訓和支持。

5. Framed Data

這是一個完全管理的解決方案，這意味著你不需要做任何事情，而是坐下來等待見解。 框架數據從企業獲取數據，并將其轉化為可行的見解和決策。 他們在云中訓練、優化和存儲產品的電離模型，并通過API提供預測，消除基礎架構開銷。 他們提供了儀表板和情景分析工具，告訴你哪些公司杠桿是駕駛你關心的指標。

6. Kaggle

Kaggle是全球***的數據科學社區。 公司和研究人員張貼他們的數據，來自世界各地的統計人員和數據挖掘者競相制作***的模型。Kaggle是數據科學競賽的平臺。 它幫助您解決難題，招募強大的團隊，并擴大您的數據科學人才的力量。

3個步驟的工作 ：

上傳預測問題

提交

評估和交流

7. Weka

WEKA是一個非常復雜的數據挖掘工具。 它向您展示了數據集、集群、預測建模、可視化等方面的各種關系。您可以應用多種分類器來深入了解數據。

8. Rattle

Rattle代表R分析工具輕松學習。 它提供數據的統計和可視化匯總，將數據轉換為可以輕松建模的表單，從數據中構建無監督模型和監督模型，以圖形方式呈現模型的性能，并對新數據集進行評分。

它是一個使用Gnome圖形界面在統計語言R編寫的免費的開源數據挖掘工具包。 它運行在GNU / Linux，Macintosh OS X和MS / Windows下。

9. KNIME

Konstanz信息采集器是一個用戶友好、可理解、全面的開源數據集成、處理、分析和探索平臺。它有一個圖形用戶界面，幫助用戶方便地連接節點進行數據處理。

KNIME還通過模塊化的數據流水線概念集成了機器學習和數據挖掘的各種組件，并引起了商業智能和財務數據分析的注意。

10. Python

作為一種免費且開放源代碼的語言，Python通常與R進行比較，以方便使用。 與R不同的是，Python的學習曲線往往很短，因此成了傳奇。 許多用戶發現，他們可以開始構建數據集，并在幾分鐘內完成極其復雜的親和力分析。 只要您熟悉變量、數據類型、函數、條件和循環等基本編程概念，最常見的業務用例數據可視化就很簡單。

11. Orange

Orange是一個以Python語言編寫的基于組件的數據挖掘和機器學習軟件套件。它是一個開放源碼的數據可視化和分析的新手和專家。數據挖掘可以通過可視化編程或Python腳本進行。它還包含了數據分析、不同的可視化、從散點圖、條形圖、樹、到樹圖、網絡和熱圖的特征。

12. SAS Data Mining

使用SAS Data Mining商業軟件發現數據集模式。 其描述性和預測性建模提供了更好的理解數據的見解。 他們提供了一個易于使用的GUI。 他們擁有自動化的數據處理工具，集群到最終可以找到正確決策的***結果。 作為一個商業軟件，它還包括可升級處理、自動化、強化算法、建模、數據可視化和勘探等先進工具。

13. Apache Mahout

Apache Mahout是Apache軟件基金會（Apache Software Foundation）的一個項目，用于生成主要集中在協作過濾、聚類和分類領域的分布式或其他可伸縮機器學習算法的免費實現。

Apache Mahout主要支持三種用例：建議挖掘采取用戶行為，并嘗試查找用戶可能喜歡的項目。 集群需要 文本文檔，并將它們分組為局部相關的文檔。 分類從現有的分類文檔中學習到特定類別的文檔是什么樣子，并能夠將未標記的文檔分配給（希望）正確的類別。

14. PSPP

PSPP是對采樣數據進行統計分析的程序。 它有一個圖形用戶界面和傳統的命令行界面。 它用C語言編寫，使用GNU科學圖書館的數學例程，并繪制UTILS來生成圖表。 它是專有程序SPSS（來自IBM）的免費替代品，可以自信地預測接下來會發生什么，以便您可以做出更明智的決策，解決問題并改進結果。

15. jHepWork

jHepWork是一個免費的開放源代碼數據分析框架，它是為了使用開放源代碼軟件包和可理解的用戶界面創建一個數據分析環境，并創建一個與商業程序相競爭的工具。

JHepWork顯示數據集的交互式2D和3D圖，以便更好地分析。 Java中實現了數字科學庫和數學函數。 jHepWork基于高級編程語言Jython，但Java編碼也可用于調用jHepWork數值庫和圖形庫。

16. R programming Language

為什么R是這個名單上免費數據挖掘工具的超級巨星?它是免費的、開源的，并且很容易為那些沒有編程經驗的人挑選。實際上，有數以千計的庫可以集成到R環境中，使其成為一個強大的數據挖掘環境。它是一個免費的軟件編程語言和軟件環境，用于統計計算和圖形。

在數據采礦者中廣泛使用R語言進行統計軟件和數據分析。近年來，易用性和可擴展性大大提高了R的知名度。

17. Pentaho

Pentaho為數據集成，業務分析和大數據提供了一個全面的平臺。 有了這個商業工具，你可以輕松地融合任何來源的數據。 深入了解您的業務數據，為未來做出更準確的信息驅動決策。

18. Tanagra

TANAGRA是一個用于學術和研究目的的數據挖掘軟件。 有探索性數據分析，統計學習，機器學習和數據庫領域的工具。 Tanagra包含一些監督學習，但也包括其他范例，如聚類，因子分析，參數和非參數統計，關聯規則，特征選擇和構建算法。

19. NLTK

自然語言工具包，是一套用于Python語言的符號和統計自然語言處理（NLP）的庫和程序。 它提供了一個語言處理工具庫，包括數據挖掘，機器學習，數據報廢，情感分析和其他各種語言處理任務。 構建python程序來處理人類語言數據。