推荐几个，不是国产的，但是表现力不错。1.RapidMinerRapidMiner是一个数据科学软件平台，它为数据准备、机器学习、深度学习、文本挖掘和预测分析提供了一个集成。程序完全是用Java编程语言编写的。2.PythonPython是一种免费的开源语言，通常易于学习和使用。很多用户发现数据几分钟就能建好，亲和度分析极其复杂。
3.KaggleKaggle是世界上最大的科学家和机器学习者社区。Kaggle最开始是一个机器学习竞赛，现在已经逐渐成为一个基于公有云的数据科学平台。Kaggle是一个帮助解决难题，招募强大团队，宣传数据科学力量的平台。4.OracleDataMining是Oracle高级分析数据 Library的代表。市场领先的公司使用它来最大限度地发挥数据的潜力，并做出准确的预测。
5、如何使用 数据 挖掘提取问题热点1。可视化分析大数据分析的用户有大数据分析师和普通用户，但是他们对大数据分析最基本的要求就是可视化分析，因为可视化分析可以呈现大。2.-2挖掘算法大数据分析的理论核心是-2挖掘算法。数据 挖掘的各种算法，可以根据不同的类型和格式，更科学地呈现数据的特点，也正是因为这些被全世界统计学家认可的各种统计方法(可以称之为真理)，才得以深化。
6、大 数据分析,大 数据开发, 数据 挖掘所用到技术和工具?Da 数据分析是一个广义的术语，意思是数据集。它是如此庞大和复杂，以至于他们需要专门设计的硬件和软件工具来处理它。数据 set通常大小为万亿或EB。这些数据集合从各种来源收集:传感器、气候信息、公开信息，例如杂志、报纸和文章。分析生成的其他示例包括购买交易记录、在线日志、医疗记录、军事监控、视频和图像文件以及大规模电子商务。大数据分析，他们对企业的影响有很高的兴趣。
1.Hadoop是一个开源框架，允许大数据在整个集群中简单编程模型计算机的分布式环境中存储和处理。它的目的是从单个服务器扩展到数千台机器，每台机器都可以提供本地计算和存储。Hadoop是一个可以分发大量数据的软件框架。但是Hadoop是以一种可靠、高效和可扩展的方式处理的。Hadoop是可靠的。即使计算元素和存储发生故障，它也会维护数据的多个副本，以确保可以为故障节点重新分配处理。
7、大 数据、 数据 挖掘各自的特色是什么?第一个是Da 数据。我认为Da 数据更多的是一种方法论，而不是详细的技术细节。他的提议并不是开创性的创造，而是一种文体解决方案的总结，是作为解决实际问题的可行手段正式提出的。但是，光有方法是没用的。它必须得到执行，而且必须在实际工作中富有成效，看得见，摸得着。那么相应的，大量完整的技术体系也发展起来了，尤其是在开源社区的推动下，变得越来越迅猛。
我给大家简单罗列一下，排名不分先后:计算模型，计算引擎，运维，调度，虚拟化，存储等等。其实这些东西都不是在这个浪潮中新提出来的，过去也取得了一些成果，只是在特定的时间点上，地位和作用有了很大的提高，得到了全社会的认可。于是，我们有了mapreduce、hadoop/spark/storm/、ganglia等运维系统、Yarn/mesos等调度系统、docker等性能卓越的虚拟化工具、hdfs/hbase等优秀的分布式存储容器。
8、 数据 挖掘算法有哪些问题1:常用的数据 挖掘算法有哪些？10分有十个经典算法:我是从谭磊的书上学的。以下是网站给出的答案:1，C4.5C4.5算法是机器学习算法中的分类决策树算法，其核心算法是ID3算法。C4.5算法继承了ID3算法的优点，在以下几个方面对ID3算法进行了改进:1)用信息增益率来选择属性，克服了用信息增益选择属性时选择值较多的属性的不足；2)建树过程中的修剪；3)可以完成连续属性的离散化；4)能够处理不完整数据。
