数据建模工具常用的数据挖掘工具有哪些

数学建模软件有哪些

建模的话其实matlab更好用，因为数模主要是数值运算，而不是Mathematica所擅长的符号运算。

当然Mathematica比较新的版本功能相当强大，数值运算也毫不逊色，我想大学生数模有Mathematica就够了，lingo都不需要了。

为什么使用数据库建模工具

数据库建模工具与数据库管理系统应该还是有所区别的吧？ 很多人在进行数据库设计的时候，还是喜欢使用word文档的格式设计好数据库结构以后，再进行物理数据库的创建；而真正使用数据库建模工具进行数据库设计的就很少了；如果你讯问那些不愿意使用数据库建模工具的人为什么的话，我想他们一般会给你下面几个答案： 1.数据库结构不复杂，没必要使用建模工具。

2.建模工具使用起来比较麻烦，不现实。

3.我们公司有专门的数据库文档格式，恐怕建模工具没法生成合适的文档。

对于以上答案，我认为都不成立，是因为对建模工具的误解造成的。

以powerdesign为例，对于上述答案可以一一回应。

一些人想当然的认为，使用建模工具必需进行复杂的数据分析等工作，其实这是个误解；数据库建模工具当然有一部分这个能力，但不是重要的，甚至不是必需的。

你完全可以把目光集中在数据库的设计上，只需建立起各个实体及他们的关系，这个工作就算完成了，建立实体时，实体的属性就是表的各个字段，实体之间的关系就是表与表之间的关系，这个过程的字符输入量决不大于你使用word的输入量；而且，当你对建模工具象对word一样熟练以后，这个过程所花费的时间还要小于你用word设计数据库的时间。

更重要的是，只要这一步完成，你就可以直接生成创建数据库的sql代码，或者让建模工具和数据库建立连接，这样就可以随时通过更改实体及他们之间的关系来直接更改数据库结构了。

而传统的使用word的方式，你必需在建立数据库时，把字段名称和类型重新再敲上一遍，而且为了保证这个过程建立的数据库和原来你用word设计的数据库结构的一致性，你必需付出额外的劳动。

更糟的是，如果你改变了数据库，比如从sqlserver换成了oracle，恐怕花费的精力就更多了。

而数据库建模工具就没有这个缺点，应为它是和数据库平台无关的，所以可以简单的移植到不同的数据库平台。

而且，数据库建模工具大部分都是图形界面的，这更有利与实体关系的建立，至少比文字方式要直观、简练，现在你建立一个主外键之间的关系只需托放一个控件，再做几下选择就可以了。

数据库建模工具还支持强大的数据导出功能，能够生成完全自定义格式的超文本或word文档，可以满足你想要的输出格式，而且这个操作也不复杂，可以这么说吧，至少俺见过的数据文档格式，使用powerdesigner都可以导出。

还有更让你想不到的好处，现在很多数据库建模工具都支持代码生成功能，可以生成一些基本的数据操作代码，而且支持多种语言，比如powerdesigner就支持、java、pb、delphi等各种语言。

想象一下，你只需付出比用word设计数据库结构更少的精力和时间，就可以得到跨平台、一致性好、图形界面、格式自由还外带代码生成功能的超级便利，为什么还不用它呢？ （资料来源于/doc/SD/Database/ermodel.htm） 用实体关系图进行数据库建模 可参考/doc/SD/Database/ermodel.htm

建立数据库用什么软件好？

你的问题题目与问题内容不符。

数据库是数据库database,而“信息库”就是开发的数据库应用软件了。

你要的是建立数据库的建模工具？还是数据库平台？还是程序开发工具？ 数据库的话建议就是MS SQLServer2000比较合适和通用了，盗版也多，到处都可以下，正版的话也比较便宜。

程序开发工具就看你会用什么了，常见的VB、VC、PB、delphi等。

建模工具推荐PowerDesigner，再用查询分析器或企业管理器做辅助的数据库开发工具。

常用的数据挖掘工具有哪些

1、 Weka WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。

2、 Rapid Miner RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。

它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。

3、 Orange Orange是一个基于组件的数据挖掘和机器学习软件套装，它的功能即友好，又很强大，快速而又多功能的可视化编程前端，以便浏览数据分析和可视化，基绑定了 Python以进行脚本开发。

它包含了完整的一系列的组件以进行数据预处理，并提供了数据帐目，过渡，建模，模式评估和勘探的功能。

其由C++ 和 Python开发，它的图形库是由跨平台的Qt框架开发。

4、 Knime KNIME (Konstanz Information Miner) 是一个用户友好，智能的，并有丰演的开源的数据集成，数据处理，数据分析和数据勘探平台。

5、 jHepWork jHepWork是一套功能完整的面向对象科学数据分析框架。

Jython宏是用来展示一维和二维直方图的数据。

该程序包括许多工具，可以用来和二维三维的科学图形进行互动。

6、 Apache Mahout Apache Mahout 是 Apache Software Foundation (ASF) 开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在 Apache 在许可下免费使用。

该项目已经发展到了它的最二个年头，目前只有一个公共发行版。

Mahout 包含许多实现，包括集群、分类、CP 和进化程序。

此外，通过使用 Apachehadoop库，Mahout 可以有效地扩展到云中。

7、 ELKI ELKI(Environment for Developing KDD-Applications Supported by Index-Structures)主要用来聚类和找离群点。

ELKI是类似于weka的数据挖掘平台，用java编写，有GUI图形界面。

可以用来寻找离群点。

8、 Rattle Rattle(易于学习的 R 分析工具)提供数据的统计和可视化摘要，将数据转换成容易建模的形式，从数据中构建无监督和监督模型，以图形方式呈现模型的性能，并得出新的数据集。