100、四种数据挖掘软件的比较与应用

四种数据挖掘软件的比较与应用

1. 引言

在数据挖掘领域，有许多非免费开源的软件可供选择。本文将介绍四种这样的数据挖掘软件：SAS® Enterprise MinerTM、Megaputer PolyAnalyst® 5.0、NeuralWare Predict® 和 BioDiscovery GeneSight®。这些软件由相关厂商以学术优惠价格提供，用于课堂教学和支持研究。我们将对它们的现有功能、特点和算法进行描述和比较，并将它们应用于一个包含 63,377 行和 54 个属性的森林覆盖类型大型数据库。

2. 背景知识

2.1 历史背景

数据挖掘的算法一直是研究的重点。不同学者对其进行了广泛讨论，例如 Han 和 Kamber（2006）、Kleinberg 和 Tardos（2005）以及 Fayyad 等人（1996）。算法是指具有完全定义的步骤或操作，能产生特定结果的过程，这与基于理论推理或统计证据的启发式方法不同。数据挖掘被定义为从大型数据库中提取隐藏的预测信息，像 The Data Intelligence Group（1995）所描述的那样，数据挖掘工具会在数据库中搜索隐藏模式。

同时，不同的研究者还对数据挖掘的不同方面进行了阐述。Brooks（1997）区分了基于规则的工具和算法；Witten 和 Frank（2005）描述了数据挖掘算法的工作原理，包括覆盖算法、基于实例的学习等，并介绍了开源数据挖掘软件 WEKA 的使用。此外，关于微阵列数据库的研究也有很多，如 Segall（2006）对生物技术中的微阵列数据库进行了详细介绍，Piatetsky - Shapiro（2003）讨论了微阵列数据挖掘的挑战。