数据挖掘统计分析软件推荐
本文来自网易云社区。
常用的数据挖掘软件还是有很多的，各有千秋。对学习数据挖掘的学生来说，如何选择确实是道难题，下面就介绍一下几种常用的挖掘软件的特点，供大家参考。
数据挖掘软件首推R，它的优点在于函数都给你写好了，你只需要知道参数的形式就行了，有时候即使参数形式不对，R也能“智能地”帮你适应。这种简单的软件适合想要专注于业务的人。
R作为一款用于统计分析和图形化的计算机语言及分析工具，为了保证性能，其核心计算模块是用C、C++和Fortran编写的。同时为了便于使用，它提供了一种脚本语言，即R语言。R支持一系列分析技术，包括统计检验、预测建模、数据可视化等等。
R软件的首选界面是命令性界面，通过编写脚本来调用分析功能。如果缺乏编程技能，也可使用图形界面，比如使用R Commander。
其次是Python，Python几乎都可以做（通用性语言），函数比R多，比R快。但是缺点是比R难学一点。它是一门语言，R更像是一种软件，所以python更能开发出flexible的算法。它的语言简单易懂，做分析方便，而且可以开发大型软件。
其它数据挖掘软件用的并不是很多，但是可以结合知友的回答推荐几款，常用的数据挖掘软件还是有很多的，各有千秋。
- SAS Data Mining:
发掘数据集的模式，其描述性和预测性模型为用户更深入的理解数据提供了基础。用户不需要写任何代码，它们提供易于使用的GUI，并提供从数据处理、集群到最终环节的自动化工具，用户可以从中得出最佳结果做出正确决策。
- WEKA:
一款非常复杂的数据挖掘工具，也可能是名气最大的开源机器学习和数据挖掘软件。其原生的非Java版本主要是为了分析农业领域数据而开发的。该工具基于Java版本，支持多种标准数据挖掘任务，包括数据预处理、收集、分类、回归分析、可视化和特征选取。高级用户可以通过Java编程和命令行来调用其分析组件。同时，Weka也为普通用户提供了图形化界面。
同时它还支持几种经典的数据挖掘任务，显著的数据预处理，集群，分类，回归，虚拟化，以及功能选择。其技术基于假设数据是以一种单个文件或关联的，每个数据点都被许多属性标注。 Weka 使用Java的数据库链接能力可以访问SQL数据库，并可以处理一个数据库的查询结果。高级用户可以通过Java编程和命令行来调用其分析组件。同时，Weka也为普通用户提供了图形化界面。和R相比，Weka在统计分析方面较弱，但在机器学习方面要强得多。
更多详细内容可参考：你经常使用的数据挖掘软件/软件包有哪些？有什么优点？
在使用数据挖掘软件/软件包的过程中，若能结合大数据分析处理平台，
并能将经常使用的软件包嵌入其中，分析处理数据必会事倍功半。
利益相关：网易的猛犸大数据平台是一站式的数据开发平台，支持各种常用的数据挖掘软件/软件包，敏捷的开发模式，简单的拖拽节点即可进行任务开发，支持数据库传输节点、SQL、Cube、MR、Spark、Script等多种节点任务，内嵌的软件包简化了数据开发人员和数据分析人员冗余的工作环境，使他们更加关注业务本身。
欢迎点击这里免费试用网易猛犸。
