数据挖掘技术及应用比较分析

黑色简洁风格的导航菜单挺常见，数据挖掘工具里的比较和也算老生常谈，但这里有几个资源用着还不错。

Enterprise Miner 的参数控制做得比较细，你要改模型参数，比如调优神经网络，操作挺灵活。PRW 也差不多，配置界面直观，点几下就能切换。

Intelligent Miner 在参数调整上就有点欠火候，嗯，想要深度定制会不太顺手。不过它在决策树可视化上表现还行，基本功能都给你配好了，响应也快。

Clementine 和 Scenario 在树的修剪上体验蛮好，你如果要对模型做简化，可以直接用它们的可视化界面，少写代码，省事。想看例子？可以去瞅瞅这篇数据挖掘决策树。

神经网络扩展功能差异也挺，RapidMiner 在这块儿支持多层感知机，操作也比较人性化，你想要更多教程，可以参考RapidMiner 数据与挖掘实战，里面案例挺丰富。

如果你刚入门，先用 Clementine 熟悉流程，再慢慢折腾 Enterprise Miner，会比较省心。