结语：
1 SASData Mining
SAS多样的统计数据数据采集、统计数据信息处理、数据预测和信息展现出的能力，使之成为重大决策全力支持的最合适的辅助工具；SAS又面世了限量版的SAS/Enterprise Miner这一虚拟化的统计数据信息处理预测和重大决策全力支持应用领域应用领域软件。SAS控制系统的应用领域软件和这些应用领域软件利用的不计其数先进经验，能协助企业从堆积如”山”的统计数据数据中”挖掘”出暗藏着的规律，以全力支持恰当的经营重大决策。SAS具有以下特点：
统计数据数据冲洗的INS13ZD：通过紧密结合data步和proc步来进行，工作效率非常高，可以实现各式各样相同的统计数据数据冲洗。包括统计数据正则表达式转化成、统计数据数据探测的更动、删掉、弥补、单纯的统计数据数据统计数据等
微积分模型演算法的多元性：SAS里包涵多种不同演算法，从常用的控制点、方法论重回、非线性重回、非线性重回，到重大排序机系统程序、微积分微积分模型等
SAS宏机能：SAS里头的宏很常用且应用领域广为。从统计数据数据冲洗的大批量排序，到可视化的模块输出，此类宏近似于R的演算法包，只是在SAS里以宏的形式存在
Gartner Group在赞扬统计数据数据挖掘辅助工具时，也特别提及了直面各式各样相同类别相关人员的可扩展性和完备性。SAS控制系统提供了适宜相同业务素质相同微积分、排序机系统水平的各种类别相关人员使用的既完备，又有尾端的摸块化的辅助工具。SAS极具市场竞争竞争优势的软件系统主要包括：Artificial Intelligence andMachine Learning, 高阶预测，Internet of Things, 顾客智能化，统计数据信息处理，风险控制，诈欺与安全可靠智能化，Analytics Platform等。现在已协助Honda, Bank ofAmerica, WWF等大顾客完成他们的统计数据数据挖掘工作。
2 Python
Python是一种免费的开源语言，单纯易学，特别适宜初学者，只要你熟悉变量、统计数据正则表达式、函数、条件语句和循环等基本编程概念，最常见的业务用例统计数据数据可视化就很单纯。它的开发工作效率高， Python有非常强大的第三方库，基本上你想通过排序机系统实现任何机能， Python官方库里都有相应的模块进行全力支持，直接下载调用，在基础库的基础上在进行开发，大大降低开发周期；它具有可移植性 – 由于它的开源本质，你的Python程序无需修改就几乎可以在市场上所有的控制系统平台上运行；它具有可扩展性 – 你可以把你的部分程序用C或C++编写，然后在你的Python程序中使用。
Python的应用领域非常广为。它的一些最常用的应用领域领域主要包括：
云排序（OpenStack等）
人工智能化（Google的TransorFlow 、FaceBook的PyTorch等）
控制系统运维（自动化配置管理辅助工具等）
金融工程（量化交易、金融预测等）
大统计数据数据（统计数据数据挖掘、交互、可视化等）
WEB开发（YouTube、豆瓣、知乎等）
3 IBMSPSS
SPSS是全球领先的统计数据预测与统计数据数据挖掘产品，是世界上应用领域最广为的专业统计数据和统计数据数据微积分模型应用领域软件之一。2009年被IBM全资收购，正式更名为“IBMSPSS”， 其机能强大，主要包括：
统计数据学预测和报告：涵盖整个预测流程，规划、统计数据数据收集、预测、报告和部署；
统计数据数据挖掘和预测可视化：利用强大的可视化、评估和自动化机能；
重大决策管理和部署：在内部部署环境、云端或混合环境实施先进的微积分模型管理和预测重大决策管理，充分发挥预测的潜能；
；
SPSS应用领域应用领域软件括用于统计数据数据挖掘的SPSS Modeler和用于统计数据预测的SPSS Statistics：SPSS Modeler是全球领先的统计数据数据挖掘、预测预测平台应用领域软件，它允许您在不编程的情况下生成各式各样统计数据数据挖掘演算法。它拥有单纯的图形界面和高阶预测能力，发现结构化和非结构化统计数据数据中的趋势，使得企业和预测师增加生产力，获得前所未有的深入了解和预测，可在云端使用。
SPSS Statistics是一款统计数据预测应用领域软件，提供了执行全程预测所需的核心机能。 易于使用，包涵范围广为的过程和技术，能协助您增加收入，超越市场竞争对手，组织调研并制定更好的重大决策。
4 R语言
作为一个免费的统计数据应用领域软件，R可运行于多种不同平台上，主要包括Windows, UNIX, MacOS和Linux。R可以轻松地从各式各样类别的统计数据数据源导入统计数据数据，主要包括文本文件、统计数据数据库管理控制系统、统计数据应用领域软件，以及专门的统计数据数据仓库。它同样可以将统计数据数据输出并写入到这些控制系统中。R具有较高的开放性，不仅提供机能多样的内置函数供用户调用，也允许用户编写自定义函数来扩充机能。
R作为免费、开源、庞大社区全力支持的统计数据排序和作图的语言，提供了大量的第三方机能包，其内容涵盖了从统计数据排序到机器学习，从金融预测到生物信息，从社会网络预测到自然语言处理，从各式各样统计数据数据库各式各样语言接口到高性能排序微积分模型等各个方面。
界面展示：
5 OracleData Mining
Oracle Data Mining是Oracle统计数据数据库中内嵌的强大的统计数据数据挖掘应用领域软件，它能够揭示暗藏在统计数据数据中的新洞察。Oracle Data Mining能够协助企业瞄准最佳顾客、发现和防止诈欺、发现对关键绩效指标（KPI）最有影响的属性，以及发现暗藏在数据中的有价值的新信息。Oracle DataMining协助技术专家找出统计数据数据中的模式、识别关键属性、发现新的集群和关联，并揭示有价值的洞察。
使用Oracle DataMining，您可以实施策略来：
预测和防止顾客流失
获得新顾客并识别最能带来收益的顾客
识别会成功的交叉销售的机会
洞察违规的和诈欺性的互动
发现新的集群或片段
找出同时出现的项目和/或事件的关联关系
挖掘非机构化统计数据数据
Oracle提供的统计数据数据挖掘优势：
没有统计数据数据的迁移。有部分统计数据数据挖掘项目需要将统计数据数据从企业统计数据数据库中导出来，且要以特定的格式进行转换。使用ODM，便不再需要统计数据数据迁移和统计数据数据转换；
统计数据数据将收到Oracle统计数据数据库广为的安全可靠机制的保护；
自动的统计数据数据准备和管理。在统计数据数据挖掘项目中，高达80%的努力都是在对投入的统计数据数据进行清理，过滤，规范化，取样等，这些Oracle都可以进行自动的管理；
统计数据数据刷新的便捷。在Oracle统计数据数据库的挖掘过程中，可以随时进行统计数据数据的刷新。ODM可以基于当前统计数据数据轻松的递交挖掘结果。从而极大的提高了统计数据数据挖掘的时效性和相关性；
Oracle统计数据数据库预测。Oracle统计数据数据库提供了很多高阶预测机能和商业智能化机能。ODM可以很方便的与统计数据数据库的其他预测机能相集成
应用领域程序接口。Oracle统计数据数据库内部为统计数据数据挖掘提供了直接的PL/SQL接口；
6 RapidMiner
Rapid Miner是一个用于机器学习和统计数据数据挖掘实验的环境，用于研究和进行实际的统计数据数据挖掘任务，是世界领先的统计数据数据挖掘开源系统。用JAVA编程语言编写的RapidMiner为深度学习、文本挖掘、机器学习和预测预测提供了一个集成的环境。它包涵前置资料准备，微积分模型能力及机器学习演演算法、可视化评估Access, CSV;可连接资料库，主要包括Oracle，IBM DB2，SQL Server, My SQL等；文字与网页资料如PDF, HTML, XML等。内建80+种机能针对文字，图像，语音，网络资料，多媒体资料进行预测可视化。RapidMiner提供可视化建议，上百种适用于监督学习 (Supervised Learning)与非监督学习（UnsupervisedLearning）的机器学习模组。RapidMiner也提供微积分模型验证机能，让使用者在可视化时能有效评估微积分模型可适性，验证微积分模型准确度，提升预测能力。RapidMiner协助各个领域利用人工智能化机器学习，提升企业重大决策能力与市场竞争优势。
界面展示：
7 Orange开源机器学习交互式统计数据数据挖掘辅助工具
Orange是一个开源统计数据数据可视化、机器学习和统计数据数据挖掘辅助工具包。它有一个可视化编程前端，可用于探索性统计数据数据挖掘和交互式统计数据数据可视化。Orange是一个基于组件的可视化编程应用领域应用领域软件，用于统计数据数据可视化、机器学习、统计数据数据挖掘和统计数据数据挖掘。Orange组件称为窗口组件，范围广为：从单纯的统计数据数据可视化、子集选择和预处理，到学习演算法和预测可视化的评估，不一而足。Orange的可视化编程通过界面来进行，其中工作流程通过连接预定义或用户设计的窗口组件来创建，而高阶用户可以将Orange用作Python库，以便操纵统计数据数据和更动窗口组件。
它的图形环境称为Orange画布, 用户可以在画布上放置预测控件，然后把控件连接起来，每个组件（称为小部件）都嵌入了一些统计数据数据检索，预处理，可视化，可视化或评估任务，即可组成挖掘流程。除了界面友好易于使用的优点，Orange的强项在于提供了大量可视化方法，可以对统计数据数据和微积分模型进行多种不同图形化展示，并能智能化搜索合适的可视化形式，全力支持对统计数据数据的交互式探索。此外，它包涵了完备的一系列的组件以进行统计数据数据预处理，并提供了统计数据数据帐目，过渡，可视化，模式评估和勘探的机能。Orange的弱项在于传统统计数据预测能力不强，不全力支持统计数据检验，报表能力也有限。
界面展示：
8 Weka
Weka的全名是怀卡托智能化预测环境。作为一个公开的统计数据数据挖掘工作平台，Weka集合了大量能承担统计数据数据挖掘任务的机器学习演算法，主要包括对统计数据数据进行预处理、收集、分类、重回、控制点、关联规则、特征选取以及在新的交互式界面上的可视化。开发者可使用JAVA语言，基于Weka的架构开发出更多的统计数据数据挖掘演算法。在Weka中可以方便地集成自己的演算法或者借鉴它的方法自己实现可视化辅助工具。与R相比，Weka提供了更广阔的选择统计数据数据和机器学习的技术。Weka提供的函数更全面更集中，所以通常在R中准备好训练的统计数据数据，整理成Weka需要的格式并在Weka里进行机器学习。此外，用户还可以在Weka论坛找到很多扩展包，比如文本挖掘、可视化、网格排序等等，很多其它开源统计数据数据挖掘应用领域软件也全力支持调用Weka的预测机能。
下图展示Weka能实现的可视化机能与R的区别：
界面展示：
9 KNIME统计数据数据挖掘可视化辅助工具
KNIME是基于Eclipse, 用Java编写的一款开源的统计数据数据挖掘、报告和综合平台。KNIME拥有统计数据数据提取、集成、处理、预测、转换以及加载所需的所有统计数据数据挖掘辅助工具。此外，它具有图形用户界面，可以协助用户轻松连接节点进行统计数据信息处理。它通过工作流的方式来完成统计数据数据仓库以及统计数据数据挖掘中统计数据数据的抽取-转换-加载操作。KNIME采用的是类似统计数据数据流（DATA FLOW）的方式来建立预测挖掘流程，挖掘流程由一系列机能节点组成，每个节点有输出/输出端口，用于接收统计数据数据或微积分模型、导出结果。KNIME的可视化统计数据数据流和预测报告的设计能力，利于对统计数据数据ETL、可视化、预测、报告。
它紧密结合了统计数据数据挖掘和机器学习的各式各样组件，对商业情报和财务统计数据数据挖掘非常有协助。
界面展示：
10 ApacheMahout
Apache Mahout是由Apache基金会开发的一个开源项目，其主要目的是提供一些可扩展的机器学习。随着在Apache Mahout内部实现的演算法的数量的不断增长，Mahout也不断成熟。Mahout的演算法通过Mapping/减少模板的方式，已经达到了Hadoop以上的水平。总体来看，Mahout具有以下主要机能：
– 可扩展的编程环境
– 预先制定的演算法
– 微积分实验环境
– GPU排序性能改进
11 Rattle
作为优秀的统计数据应用领域应用领域软件，R语言提供了强大的统计数据数据挖掘辅助工具，但是这些辅助工具分散在数以百计的R包之中，而且写脚本和编程往往也会成为快速解决问题的障碍。Rattle的出现就很好的解决了这个问题。Rattle是一个用于统计数据数据挖掘的R的图形交互界面，可用于快捷地处理常用的统计数据数据挖掘问题。从统计数据数据的整理到微积分模型的评价，Rattle给出了完备的软件系统。Rattle和R平台良好的交互性又为用户使用R语言去解决复杂问题开启了方便之门。Rattle基于一个完备的数据挖掘流程去开发了一套方便的标签栏：
Data: 选择数据源，输出统计数据数据。
Explore：执行统计数据数据探索，理解统计数据数据分布。
Test：提供各式各样统计数据检验。
Transform：变换统计数据数据的形式。
Cluster：统计数据数据控制点，主要包括控制系统控制点，k-均值控制点，和双控制点（biclustering）。
Associate：关联规则方法。
Model: 内容最多样的一个标签。主要包括多种不同方法：重大排序机系统程序，全力支持向量机，非线性微积分模型，
微积分微积分模型，随机森林，提升（Boost）
Report按钮，可以完成当前操作的格式化报告（以开放的标准ODT格式）。
Export按钮，可以输出来自Rattle的各式各样对象，特别的，完成Model标签的相关操作后，它会以PMML格式保存当前微积分模型。
Rattle易学易懂，不要求很多的R语言基础，被广为地应用领域于统计数据数据挖掘实践和教学之中。
12 IBMCognos
IBM Cognos Analytics提供由人工智能化驱动的统计数据数据探索和发现机能，以及直观而全面的仪表盘、灵活的专业报告撰写机能和自动化统计数据数据准备机能。智能化的自助机能，协助用户快速的挖掘洞察，并据此采取行动。它让用户能在用户本身期望的自主预测和在企业期望的IT管控之间获得平衡，操作界面单纯易用，整合多维统计数据数据库，内存OLAP的大数据平台，绝大多数查询都可以实现秒级返回。借助Cognos Analytics应用领域软件，用户就能够讲述内容多样、细致入微、令人信服的统计数据数据故事。凭借该应用领域软件，企业就能够全力支持业务用户探索并使用各式各样相同的企业和个人统计数据数据，做出更出色的业务重大决策。
亮点：CognosAnalytics能基于您最近的互动情况，自动确定统计数据数据关系，协助消除预测盲点和猜测；揭示成果的底层推动因素，发现各个统计数据数据字段之间的关系；提供推荐的可视化功
