PolyAnalyst数据挖掘平台

WEKA作为开放的数据挖掘平台，汇集了多种能够执行数据挖掘任务的机器学习算法，包括数据预处理、分类、回归、聚类、关联规则，并通过新的交互式界面提供可视化功能。如果您希望了解如何实现自己的数据挖掘算法，请参考WEKA的接口文档。在WEKA中集成和借鉴自己的算法甚至实现可视化工具并不是难事。

DMCP是spring mvc3.2.4、mybatis3.2.3、spring data mongodb、druid1.0.9、bootstrap3.0.2、freemarker、guava1.8、echart等开源技术打造的大数据挖掘计算平台。

SPSS Clementine 的图形界面挺友好的，不用写太多代码，拖拖拽拽就能把数据流搭出来，流程一目了然，效率还挺高的。它比较贴合 CRISP-DM 那套流程思路，像数据准备、建模、评估都分得清清楚楚，新手也能跟着走下来，不容易迷路。 项目区就是个任务导航仪，按 CRISP-DM 的套路一步步来，想跳步骤都难。工具栏里的功能挺全的，数据预、建模、可视化都能搞定，风格有点像 SSIS 的数据流设计。熟悉那一套的，估计用起来也挺顺手的。 数据流设计区真的是整个软件的灵魂，把各种操作节点拖进来，像搭积木一样把数据管道串起来。比如导个Target Mail数据集，清洗一下，建个分类树或神经网络模型

SPSSMODELER2 的数据挖掘流程挺清晰的，从属性选择到数据编码，整个流程安排得蛮科学。你可以直接拿它来跑一些信用卡数据，效果还不错。尤其是那块数据清洗，对输入错误的方式挺实用，像地址变更啊、拼写错误这些，它都能帮你自动搞定。 属性增强的部分也挺贴心，能让你在已有数据上再加一层，比如说收入水平、是否有车这些，做分类模型的时候更方便。而且编码方式比较人性化，比如把收入除以 1000，起来更直观。 如果你正好在做信用卡评分、客户分群或者是欺诈检测这些场景，那它真的挺合适的。页面不花哨，操作也不绕，适合上手快的朋友。对了，它还支持OLAP和KDD流程，不懂也没关系，用几次你就顺了。 你要是想拓

图形化操作界面的 SAS Enterprise Miner 5.2，用起来真的是蛮顺手的。它不光支持拖拽节点建模，连数据清洗、建模、评估这些常规活儿都安排得明明白白，流程清晰。你不用写一行代码也能搭好整个项目，省心不少。 强大算法支持的 SAS 工具箱，用的是决策树、聚类、神经网络这些老朋友，选择挺多，适合不同场景。尤其是对模型评估那块，工具也还蛮丰富的，调试和优化挺方便。 项目流程图的工作区设计得挺清楚，菜单栏、工具栏、属性面板分工明确。你只要熟悉几个主要节点：数据源节点、建模节点、评估节点，操作起来真的不难。 实操的时候记得几个点：数据一致性别掉链子，节点连接别搞错，系统资源别跑满，基本就

隐私保护的数据挖掘工具里，GUPT算是比较实用的。GUPT 的特点就是差分隐私做得比较扎实，适合对隐私要求比较高的数据场景，像医疗、金融那类敏感数据就挺合适的。 GUPT 的调用方式也蛮灵活，不管你用的是哪种二进制程序，都可以通过GuptComputeProvider这个对象来调起，接口设计还不错，上手不算难。响应也快，效果也挺稳的。 你要是刚好在研究差分隐私或者搞数据挖掘，不妨看看下面这几个资源：差分隐私频繁模式挖掘综述、隐私保护数据挖掘前沿研究，都还挺有参考价值的。 哦对，平台本身是以 ZIP 打包的，里面有文档和样例，结构清晰，建议你直接解压到本地目录比如/tools/gupt下面，一步

WEKA作为一款开放的数据挖掘平台，集成了多种能够执行数据挖掘任务的机器学习算法，包括数据预处理、分类、回归、聚类、关联规则，并提供交互式界面进行可视化呈现。如果您希望自己实现数据挖掘算法，请参考WEKA的接口文档。在WEKA中集成自定义算法或利用其方法开发可视化工具并不复杂。

WEKA 是个挺牛的数据挖掘平台，整合了大量机器学习算法，功能全。它不仅支持数据预，还能做分类、回归、聚类、关联规则等各种操作，甚至可以在交互式界面上做可视化，挺方便的。如果你有自己的算法想实现，WEKA 的接口文档就友好，甚至可以借鉴它的算法，自己做个可视化工具也不难。值得一提的是，2005 年 WEKA 还获得了 ACM SIGKDD 国际会议的最高奖项，简直是数据挖掘领域的里程碑。至今，它已经发展了 11 年，每月下载量也可观，超过了万次。想尝试一下数据挖掘？WEKA 绝对是个不错的选择。

数据挖掘平台的应用，说白了就是把现有系统，比如MIS、ERP、CRM，套一层“智慧大脑”。你原来那些管理系统功能都还在，只是多了个决策支持模块，能帮你挖掘用户行为、业务趋势这些看不见的“金矿”。这种二次开发方式挺灵活，不用推倒重来，像在原有软件上加外挂。你要是熟 Oracle 的，可以看看这篇Oracle ERP 二次开发 Report 开发方法，讲得还蛮细。另外像Matlab、Python这类工具，对做数据建模、算法优化也挺有。比如你想搞个二次插值或支持向量机模型，都有现成的例子参考：Matlab 开发二次样条插值、Python 实现 SVM 支持向量机。实际场景里，比如你公司用的是 CRM