推薦幾個，不是國產(chǎn)的，但是表現(xiàn)力不錯。1.RapidMinerRapidMiner是一個數(shù)據(jù)科學軟件平臺，它為數(shù)據(jù)準備、機器學習、深度學習、文本挖掘和預測分析提供了一個集成。程序完全是用Java編程語言編寫的。2.PythonPython是一種免費的開源語言，通常易于學習和使用。很多用戶發(fā)現(xiàn)數(shù)據(jù)幾分鐘就能建好，親和度分析極其復雜。

3.KaggleKaggle是世界上最大的科學家和機器學習者社區(qū)。Kaggle最開始是一個機器學習競賽，現(xiàn)在已經(jīng)逐漸成為一個基于公有云的數(shù)據(jù)科學平臺。Kaggle是一個幫助解決難題，招募強大團隊，宣傳數(shù)據(jù)科學力量的平臺。4.OracleDataMining是Oracle高級分析數(shù)據(jù) Library的代表。市場領先的公司使用它來最大限度地發(fā)揮數(shù)據(jù)的潛力，并做出準確的預測。

1。可視化分析大數(shù)據(jù)分析的用戶有大數(shù)據(jù)分析師和普通用戶，但是他們對大數(shù)據(jù)分析最基本的要求就是可視化分析，因為可視化分析可以呈現(xiàn)大。2.-2挖掘算法大數(shù)據(jù)分析的理論核心是-2挖掘算法。數(shù)據(jù) 挖掘的各種算法，可以根據(jù)不同的類型和格式，更科學地呈現(xiàn)數(shù)據(jù)的特點，也正是因為這些被全世界統(tǒng)計學家認可的各種統(tǒng)計方法(可以稱之為真理)，才得以深化。

Da 數(shù)據(jù)分析是一個廣義的術語，意思是數(shù)據(jù)集。它是如此龐大和復雜，以至于他們需要專門設計的硬件和軟件工具來處理它。數(shù)據(jù) set通常大小為萬億或EB。這些數(shù)據(jù)集合從各種來源收集:傳感器、氣候信息、公開信息，例如雜志、報紙和文章。分析生成的其他示例包括購買交易記錄、在線日志、醫(yī)療記錄、軍事監(jiān)控、視頻和圖像文件以及大規(guī)模電子商務。大數(shù)據(jù)分析，他們對企業(yè)的影響有很高的興趣。

1.Hadoop是一個開源框架，允許大數(shù)據(jù)在整個集群中簡單編程模型計算機的分布式環(huán)境中存儲和處理。它的目的是從單個服務器擴展到數(shù)千臺機器，每臺機器都可以提供本地計算和存儲。Hadoop是一個可以分發(fā)大量數(shù)據(jù)的軟件框架。但是Hadoop是以一種可靠、高效和可擴展的方式處理的。Hadoop是可靠的。即使計算元素和存儲發(fā)生故障，它也會維護數(shù)據(jù)的多個副本，以確?？梢詾楣收瞎?jié)點重新分配處理。

第一個是Da 數(shù)據(jù)。我認為Da 數(shù)據(jù)更多的是一種方法論，而不是詳細的技術細節(jié)。他的提議并不是開創(chuàng)性的創(chuàng)造，而是一種文體解決方案的總結，是作為解決實際問題的可行手段正式提出的。但是，光有方法是沒用的。它必須得到執(zhí)行，而且必須在實際工作中富有成效，看得見，摸得著。那么相應的，大量完整的技術體系也發(fā)展起來了，尤其是在開源社區(qū)的推動下，變得越來越迅猛。

我給大家簡單羅列一下，排名不分先后:計算模型，計算引擎，運維，調(diào)度，虛擬化，存儲等等。其實這些東西都不是在這個浪潮中新提出來的，過去也取得了一些成果，只是在特定的時間點上，地位和作用有了很大的提高，得到了全社會的認可。于是，我們有了mapreduce、hadoop/spark/storm/、ganglia等運維系統(tǒng)、Yarn/mesos等調(diào)度系統(tǒng)、docker等性能卓越的虛擬化工具、hdfs/hbase等優(yōu)秀的分布式存儲容器。

問題1:常用的數(shù)據(jù) 挖掘算法有哪些？10分有十個經(jīng)典算法:我是從譚磊的書上學的。以下是網(wǎng)站給出的答案:1，C4.5C4.5算法是機器學習算法中的分類決策樹算法，其核心算法是ID3算法。C4.5算法繼承了ID3算法的優(yōu)點，在以下幾個方面對ID3算法進行了改進:1)用信息增益率來選擇屬性，克服了用信息增益選擇屬性時選擇值較多的屬性的不足；2)建樹過程中的修剪；3)可以完成連續(xù)屬性的離散化；4)能夠處理不完整數(shù)據(jù)。