数据挖掘工具

10.6.4　数据挖掘工具

数据挖掘的工具可以分为两类：通用挖掘工具和特定领域的挖掘工具。通用数据挖掘采用的挖掘算法，不关心数据的具体含义，它的适用范围比较广泛。而专用挖掘工具则针对某个特定领域的问题提供解决方案。在设计算法的时候，往往充分考虑到数据需求的特性，并做出优化。

对于一个数据挖掘工具我们可以从以下几个方面进行考虑，以评价它们的优劣。

（1）数据准备

数据准备是数据挖掘中最耗费时间的工作。数据挖掘工具应该使数据的准备工作更加简便高效，因此数据挖掘工具应当提供数据净化、数据描述、数据变换、数据抽样等功能。

（2）数据访问

数据访问即访问不同数据源的能力。数据挖掘的源数据存储在各种数据库及其他别的数据源中，由于这些数据的组织形式和格式各不相同，数据挖掘系统应该具有访问不同数据源的能力。但没有一款数据挖掘工具可以访问所有类型的数据库，因而工具必须支持开放数据库连接。此外，支持其他类型数据的数据源的能力也是考察数据访问能力的重要内容。

（3）算法与建模

数据挖掘寻找的知识类型多种多样，因此优秀的挖掘工具应当包含多种数据挖掘算法以处理不同的需求，同时算法的稳定性、收敛性以及对噪声的敏感程度等也是重要指标。

（4）模型的评价和解释

数据挖掘工具经过对数据分析建立模型，要求工具能够提供多样的、易于理解的方式，如模型的性能参数以及图表方法等，对模型进行评价和解释。

（5）用户界面

数据挖掘工具应该提供简洁的GUI用户界面，方便用户的需要，还应该提供可嵌入编程语言中的数据挖掘的应用编程接口API。相比之下GUI可以简化建模的过程，方便普通用户；而API则是为专业用户而配置的。能否满足不同类型的用户需求也是评价数据挖掘工具的重要指标。

根据上述几个方面，我们就可以对一个数据挖掘工具进行客观的评价了。