❶ 數據挖掘為什麼要用java或python
主要是方便，python的第三方模塊很豐富，而且語法非常簡練，自由度很高，python的numpy、scipy、matplotlib模塊可以完成所有的spss的功能，而且可以根據自己的需要按照定製的方法對數據進行清洗、歸約，需要的情況下還可以跟sql進行連接，做機器學習，很多時候數據是從互聯網上用網路爬蟲收集的，python有urllib模塊，可以很簡單的完成這個工作，有些時候爬蟲收集數據還要對付某些網站的驗證碼，python有PIL模塊，可以方便的進行識別，如果需要做神經網路、遺傳演算法，scipy也可以完成這個工作，還有決策樹就用if-then這樣的代碼，做聚類不能局限於某幾種聚類，可能要根據實際情況進行調整，k-means聚類、DBSCAN聚類，有時候可能還要綜合兩種聚類方法對大規模數據進行聚類分析，這些都需要自行編碼來完成，此外，基於距離的分類方法，有很多距離表達方式可以選用，比如歐幾里得距離、餘弦距離、閔可夫斯基距離、城市塊距離，雖然並不復雜， 但是用python編程實現很方便，基於內容的分類方法，python有強大的nltk自然語言處理模塊，對語言片語進行切分、收集、分類、統計等。
綜上，就是非常非常方便，只要你對python足夠了解，你發現你可以僅僅使用這一個工具快速實現你的所有想法
❷ 做數據挖掘和機器學習的話學c語言的數據結構還是Java的數據結構
數據結構是表達計算機存儲、組織數據的方式。比如數組和列表，他們的構成就不一樣，因此會各有適用的情況。C和JAVA只是不同的編程語言，編程語言主要的作用是用於對事情的描述。因此兩種關系不大。既然前期看的c語言的數據結構，建議繼續看c的，編譯理解。我就是適用java語言，而學習的c語言的數據結構。望採納。
❸ 數據挖掘什麼軟體簡單
數據挖掘用什麼軟體
1.R是用於統計分析和圖形化的計算機語言及分析工具；
2.Weka可能是名氣最大的開源機器學習和數據挖掘軟體，但用起來並不方便，界面也簡單了點；
3.Tanagra 是使用圖形界面的數據挖掘軟體；4.RapidMiner現在流行的滾返罩勢頭在上升，但它的操作方式和商用軟體差別較大，不支持分析流程圖的方式，當包含的運算符比較多的時候就不容易查看了；
5.KNIME和Orange看起來都不錯，Orange界面看上去很清爽，但我發現它不支持中 文。推薦KNIME，同時安裝Weka和R擴展包。
對於普通用戶可以選 用界面友好易於使用的軟體，對於希望從事演算法開發的用戶則可以根據軟體開發工具不同（Java、R、C++、Python等）來選擇相應的軟體。
求推薦簡單好用的數據挖掘軟體 10分
那肯定是SPSS啊，網上自學教程也一堆，如果你不追求特別專業的，只是想數據可視化的基礎上有意思數據挖掘的功能，也可以用watson *** ytics，它還支持自然語言呢
常用的數據挖掘工具有哪些
RapidMiner、R、Weka、KNIME、GGobi、Orange，都是優秀的挖掘工具，可以依據自己的需要選擇。
常用數據挖掘工具有哪些
EXCEL MATLAB Origin 等等
當前流行的圖形可視化和數據分析軟體有Matlab，Mathmatica和Maple等。這些軟體功大鬧能強大，可滿足科技工作中的許多需要，但使用這些軟體需要一定的計算機編程知識和矩陣知識，並熟悉其中大量的函數和命令。而使用Origin就像使用Excel和Word那樣簡單，只需點擊滑鼠，選擇菜單命令就可以完成大部分工作，獲得滿意的結果。 但它又比excel要強大些。一般日常的話可以用Excel，然後載入宏，裡面有一些分析工具，不過有時需要資料庫軟體支持
學習數據挖掘一般要學哪些軟體和工具
1、WEKA
WEKA 原生的非 Java 版本主要是為了分析農業領域數據而開發的。該工具基於 Java 版本，是非常復雜的，並且應用在許多不同的應用中，包括數據分析以及預測建模的可視化和演算法。與 RapidMiner 相比優勢在於，它在 GNU 通用公共許可證下是免費的，因為用戶可以按照自己的喜好選擇自定義。
WEKA 支持多種標准數據挖掘任務，包括數據預處理、收集、分類、回歸分析、可視化和特徵選取。添加序列建模後，WEKA 將會變得更強大，但目前不包括在內。
2、RapidMiner
該工具是用 Java 語言編寫的，通過基於模板的框架提供先進的分析技術。該款工具最大的好處就是，用戶無需寫任何代碼。它是作為一個服務提供，而不是一款本地軟體。值得一提的是，該工具在數據挖掘工具榜上位列榜首。另外，除了數據挖掘，RapidMiner 還提供如數據預處理和可視化、預測分析和統計建模、評估和部署等功能。更厲害的是它還提供來自 WEKA(一種智能分析環境)和 R 腳本的學習方案、模型和演算法。
RapidMiner 分布在 AGPL 開源許可下，可以從 SourceForge 上下載。SourceForge 是一個開發者進行開發管理的集中式場所，大量開源項目在此落戶，其中就包括 *** 使用的 MediaWiki。
3、NLTK
當涉及到語言處理任務，沒有什麼可以打敗 NLTK。NLTK 提供了一個語言處理工具，包括數據挖掘、機器學習、數據抓取、情感分析等各種語言處理任務。
而您需要做的只是安裝 NLTK，然後將一個包拖拽到您最喜愛的任務中，您就可以去做其他事了。因為它是用 Python 語言編寫的，你可以在上面建立應用，還可以自定義它的小任務。
4、Orange
Python 之所以受歡迎，是因為它簡單易學並且功能強大。如果你是一個 Python 開發者，當涉及到需要找一個工作用的工具時，那麼沒世御有比 Orange 更合適的了。它是一個基於 Python 語言，功能強大的開源工具，並且對初學者和專家級的大神均適用。
此外，你肯定會愛上這個工具的可視化編程和 Python 腳本。它不僅有機器學習的組件，還附加有生物信息和文本挖掘，可以說是充滿了數據分析的各種功能。
5、KNIME
數據處理主要有三個部分：提取、轉換和載入。 而這三者 KNIME 都可以做到。 KNIME 為您提供了一個圖形化的用戶界面，以便對數據節點進行處理。它是一個開源的數據分析、報告和綜合平台，同時還通過其模塊化數據的流水型概念，集成了各種機 器學習的組件和數據挖掘，並引起了商業智能和財務數據分析的注意。
KNIME 是基於 Eclipse，用 Java 編寫的，並且易於擴展和補充插件。其附加功能可隨時添加，並且其大量的數據集成模塊已包含在核心版本中。
6、R-Programming
如果我告訴你R項目，一個 GNU 項目，是由 R(R-programming簡稱，以下統稱R)自身編寫的，你會怎麼想?它主要是由 C 語言和 FORTRAN 語言編寫的，並且很多模塊都是由 R 編寫的，這是一款針對編程語言和軟體環境進行統計計算和制圖的免費軟體。
R語言被廣泛應用於數據挖掘，以及開發統計軟體和數據分析中。近年來，易用性和可擴展性也大大提高了 R 的知名度。除了數據，它還提供統計和制圖技術，包括線性和非線性建模，經典的統計測試，時間序列分析、分類、收......
學習數據挖掘一般要學哪些軟體和工具
1、WEKA
WEKA 原生的非 Java 版本主要是為了分析農業領域數據而開發的。該工具基於 Java 版本，是非常復雜的，並且應用在許多不同的應用中，包括數據分析以及預測建模的可視化和演算法。與 RapidMiner 相比優勢在於，它在 GNU 通用公共許可證下是免費的，因為用戶可以按照自己的喜好選擇自定義。
WEKA 支持多種標准數據挖掘任務，包括數據預處理、收集、分類、回歸分析、可視化和特徵選取。添加序列建模後，WEKA 將會變得更強大，但目前不包括在內。
2、RapidMiner
該工具是用 Java 語言編寫的，通過基於模板的框架提供先進的分析技術。該款工具最大的好處就是，用戶無需寫任何代碼。它是作為一個服務提供，而不是一款本地軟體。值得一提的是，該工具在數據挖掘工具榜上位列榜首。另外，除了數據挖掘，RapidMiner 還提供如數據預處理和可視化、預測分析和統計建模、評估和部署等功能。更厲害的是它還提供來自 WEKA(一種智能分析環境)和 R 腳本的學習方案、模型和演算法。
RapidMiner 分布在 AGPL 開源許可下，可以從 SourceForge 上下載。SourceForge 是一個開發者進行開發管理的集中式場所，大量開源項目在此落戶，其中就包括 *** 使用的 MediaWiki。
3、NLTK
當涉及到語言處理任務，沒有什麼可以打敗 NLTK。NLTK 提供了一個語言處理工具，包括數據挖掘、機器學習、數據抓取、情感分析等各種語言處理任務。
而您需要做的只是安裝 NLTK，然後將一個包拖拽到您最喜愛的任務中，您就可以去做其他事了。因為它是用 Python 語言編寫的，你可以在上面建立應用，還可以自定義它的小任務。
目前業界常用的數據挖掘分析工具有哪些
數據分析的概念太寬泛了，做需要的是側重於數據展示、數據挖掘、還是數據存儲的？是個人用還是企業、部門用呢？應用的場景是製作簡單的個人圖表，還是要做銷售、財務還是供應鏈的分析？
那就說說應用最廣的BI吧，企業級應用，其實功能上已經涵蓋了我上面所述的部分，主要用於數據整合，構建分析，展示數據供決策分析的，譬如FineBI，是能夠」智能」分析數據的工具了。
哪個軟體建立資料庫比較簡單好用
隨著數據大數據的發展，數據安全已經上升到一個很高的高度。隨著國家對數據安全的重視,國產資料庫開始走進中國個大企業，其中不乏 *** 、國企。
實時資料庫系統是開發實時控制系統、數據採集系統、CIMS系統等的支撐軟體。在流程行業中，大量使用實時資料庫系統進行控制系統監控，系統先進控制和優化控制，並為企業的生產管理和調度、數據分析、決策支持及遠程在線瀏覽提供實時數據服務和多種數據管理功能。實時資料庫已經成為企業信息化的基礎數據平台，可直接實時採集、獲取企業運行過程中的各種數據，並將其轉化為對各類業務有效的公共信息，滿足企業生產管理、企業過程監控、企業經營管理之間對實時信息完整性、一致性、安全共享的需求，可為企業自動化系統與管理信息系統間建立起信息溝通的橋梁。幫助企業的各專業管理部門利用這些關鍵的實時信息，提高生產銷售的營運效率。如果你想定製這款國產資料庫 可以打 前面是 一三六 中間是 六一二零 末尾是 四一四七
北京開運聯合信息技術股份有限公司-實時性工業資料庫軟體（CreatRun Database ）
實時性工業資料庫軟體（CreatRun Database ）是什麼？
1、實時性工業資料庫軟體（CreatRun Database ） 是開運聯合公司針對行業應用，獨立研發的，擁有全部自主知識產權的企業級實時/歷史資料庫平台。為企業監控生產情況、計算性能指標、進行事故分析和對設備啟停分析診斷、故障預防等提供重要的數據保障。
2、實時性工業資料庫軟體（CreatRun Database ） 可廣泛用於工業控制自動化數據的高速採集和存儲，提供高速、海量數據存儲和基礎分析能力。
3、實時性工業資料庫軟體（CreatRun Database ） 可隨時觀察以及在線分析生產過程。長期保存的歷史數據不僅可以重現歷史生產情況，也使大規模數據挖掘成為可能。 提供企業生產信息管理解決方案，可以有效應對「從小到大」 「由近及遠」 的各種企業級數據應用。
4、CreatRun Database 可在線按照時間序列以毫秒級精度自動採集企業的各類過程自動化系統中的生產數據，高效壓縮並存儲。同時可向用戶和應用程序提供實時和歷史數據，使得用戶可隨時觀察以及在線分析生產過程。長期保存的歷史數據不僅可以重現歷史生產情況，也使大規模數據挖掘成為可能。
【工業軟體開發】實時性工業資料庫軟體（CreatRun Database ）系統主要技術指標:
支持數據類型：digital、int16、int32、float16、float32、float64、String等類型
標簽容量：200,000 Tag
數據容量：TB級
客戶端並發用戶數：500 個
生產過程數據採集時間響應速度：<500 毫秒
時間戳解析度：毫秒
存儲速度：>100,000 輸入值/秒存檔數據回取事務吞吐量：>2,000,000 輸出值/秒
實時性工業資料庫軟體（CreatRun Database ）系統特性——高可用性:
1、高效的數據存儲策略及壓縮演算法「死區例外+可變斜率壓縮演算法 」，精確到每個Tag的壓縮配置，有效提高了歷史數據存儲性能，節約磁碟空間.
2、高速的數據緩存機制，使並行訪問鎖域粒度精確到「Block（1KBytes）」，實現了並行訪問能力的最大化。使歷史數據訪問路由復雜度「最小化、均衡化，扁平化」，不界定「冷熱」數據，所有數據訪問時間成本一致，同時提供均衡訪問特性和最大遠程數據訪問友好度。
3、Creat RUN ......
數據挖掘工具一般都有哪些
數據挖掘工具有國外的Qlik，國內的有永洪，收費是肯定的，你可以先去找些可以免費試用的挖掘工具，國內的ETHINK平台好像可以
數據挖掘工具有哪些？
SQL Server是資料庫，但內建數據挖掘功能，若提到工具的話，大概有SAS, SPSS, Statistica(Dell), R, Revolution R...
❹ 請問寫演算法、數據挖掘、機器學習、數據分析等工作在企業中一般使用java還是Python其他語言
java穩一點
❺ 數據挖掘工程師需要掌握Java到什麼程度
對 Java 虛擬機、 Java 並發要有比較深入研究和應用，熟練掌握 Hadoop、 HBase、 Hive、 Kafka、 Storm、 Spark工具，會用 Linux，了解 Scala。如果設計到更高階的應用，可能就需要會用 Python、 R 語言並且精通演算法和數據結構了。
Java熟練的人一般可以負責客戶端APP產品中伺服器後端的工程設計，架構設計和開發工作，研究業界內的新技術及其應用，解決創新研發中的關鍵問題和技術難點，依據項目任務計劃及時完成軟體編碼和單元測試項目，按照開發流程編寫隊友模塊的設計文檔。與產品經理、測試工程師、其他團隊溝通協作，確保產品研發工作的質量和速度，協調或指導團隊成員和其它開發人員的工作。熟悉設計模式，熟練掌握面向對象編程和事件驅動編程風格。
關於數據挖掘工程師的課程推薦CDA數據分析師的相關課程，課程主要培養學員硬性的數據挖掘理論與Python數據挖掘演算法技能的同時，全方位提升學員的數據洞察力。課程以項目調動學員數據挖掘實用能力的場景式教學為主，在講師設計的業務場景下由講師不斷提出業務問題，幫助學員掌握真正過硬的解決業務問題的數據挖掘能力。點擊預約免費試聽課。