1、KNIMEKNIME可以实现惯例的数据剖析，启动数据开掘，经常出现的数据开掘算法，如回归、分类、聚类等等都有。
而且它引入很多大数据组件，如Hive，Spark等等。
它还经过模块化的数据流水线概念，集成了机器学习和数据开掘的各种组件，能够协助商业智能和财务数据剖析。
2、Rapid MinerRapid Miner，也叫YALE，以Java编程言语编写，经过基于模板的框架提供初级剖析，是用于机器学习和数据开掘试验的环境，用于钻研和通常数据开掘。
经常使用它，试验可以由少量的可恣意嵌套的操作符组成，而且用户无需编写代码，它曾经有许多模板和其余工具，协助轻松地剖析数据。
3、SAS>数据开掘有哪些软件
数据开掘的软件有：
1. Python数据剖析工具，如Pandas、NumPy等。
这些工具提供了弱小的数据处置和剖析才干，宽泛运行于数据开掘畛域。
2. 数据开掘专业软件，如SAS、SPSS等。
这些软件提供了丰盛的数据开掘算法和可视化工具，实用于各种类型的数据开掘义务。
3. 机器学习框架，如TensorFlow、PyTorch等。
这些框架蕴含少量的机器学习算法和工具，支持深度学习和数据开掘上班。
4. 数据开掘平台，如Apache Hadoop、Apache Spark等。
这些平台具有大规模数据处置和剖析的才干，罕用于大规模数据开掘名目。
大数据的集成与查问罕用Spark处置大规模散布式数据驳回Hive，联合数据湖为其提供渺小的数据处置才干与数据存储空间。
Spark具有极速处置大数据的才干，支持各种算法启动数据开掘。
大数据剖析工具，如Cloudera和Hortonworks的数据开掘工具等，可以基于Hadoop启动数据开掘。
除此之外还有Apache Flink，实用于流处置和流剖析的数据开掘场景。
还有基于云的数据开掘软件如Amazon Redshift等用于处置大规模数据仓库的数据开掘义务。
以上软件各有长处，实用于不同的数据开掘场景和需求。
在选用时须要依据详细的义务、数据和资源状况启动综合思考。
随着技术的开展，数据开掘的软件也在始终更新和退化，将会有更多新的工具和方法产生。
企业用的数据开掘工具，有介绍吗？
企业级的普通说的都是部署在主机上的，采取B/S架构的，能够处置大数据的工具，传统的SPSS，MATLAB，Excel目前都还是单机客户端版的，经常使用起来没有那么繁难，如今开源的工具包很多，比如spark、python、R 都能做数据开掘，然而没有系统的治理，比拟零散，国际的厂商亿信华辰的豌豆DM，永洪BI等，在这些开源名目的基础上，做了少量封装，有可视化操作界面，完善的权限治理，数据的安保性也更有保证，能够更好的满足企业级的经常使用。
