常用的数据挖掘建模工具

数据挖掘是一个反复探索的过程，只有将数据挖掘工具提供的技术和实施经验与企业的业务逻辑和需求紧密结合，并在实施过程中不断地磨合，才能取得好的效果。下面简单介绍 几种常用的数据挖掘建模工具。
(1 ) SAS Enterprise Miner
Enterprise Mincr(EM)是SAS推出的一个集成的数据挖掘系统，允许使用和比较不 同的技术 。同时还集成了复杂的数据库管理软件 。它的运行方式是通过在一个工作空间 (workspace)中按照一定的顺序添加各种可以实现不同功能的节点，然后对不同节点进行相 应的设置，最后运行整个工作流程(workflow),便可以得到相应的结果。
(2) IBM SPSS Modeler
IBM SPSS Modeler原名Clemen丨inc, 2009年被IBM公司收购后对产品的性能和功能 进行大幅度改进和提升。它封装最先进的统计学和数据挖掘技术来获得预测知识，并 将相应的决策方案部署到现有的业务系统和业务过程中，从而提高企业的效益。IBM SPSS Modeler拥有直观的操作界面，自动化的数据准备和成熟的预测分析模切，结合商业技术外 以快速建立预测性模型。
(3 ) SQL Server
Microsoft公司的 SQL Server 中集成广数挖掘约组件---Analysis Servers,借助 SQL Server的数据库管理功能，可以无缝地集成在SQL Server数据库中。在SQL Server 2008中提供了 决策树货法、聚类分析W法、Naive Bayes 法、关联规则算法、时序算法、神经网络算法、 线性回归算法等9种常用的数据挖掘算法。但是，预测建模的实现是基于SQL Server平台 
的，平台移植性相对较差。
 (4 ) Python
Python（Matrix Laboratory，矩阵实验室）是美国Mathworks公司开发的应用软件，具备强大的科学及工程计算能力，它具行以矩阵计算为基础的强大数学计算能力和分析功 能，而且还具有丰富的可视化图形表现功能和方便的程序设计能力。Python并不提供一个