程序员必须知道的9大数据挖掘工具

使用python的开发人员都少不了数据挖掘工具，因为一般来说，能否充分利用数据，取决于是否有合适的工具来清理、准备、合并并正确分析。今天小编介绍9个优秀的数据挖掘工具，感兴趣的小伙伴可以收藏。

1、Genism

Genism是用来做文本主题模型的库，主要用来处理语言方面的任务，如文本相似度计算、LDA、Word2Vec等。Gensim支持TF-IDF、LSA、LDA和Word2Vec在内的多种主题模型算法，支持流式训练，并提供了诸如相似度计算、信息检索等一些常用任务的API接口。

2、TensorFlow

TensorFlow是google开源的数值计算框架，采用数据流图的方式，可灵活搭建深度学习模型，它在图形分类、音频处理、推荐系统和自然语言处理等场景下有着丰富的应用，是目前最热门的机器学习框架之一。

3、思迈特软件Smartbi

Smartbi大数据挖掘平台支持多种高效实用的机器学习算法，包含了分类、回归、聚类、预测、关联，5大类机器学习的成熟算法。其中包含了多种可训练的模型：逻辑回归、决策树、随 机森林、朴素贝叶斯、支持向量机、线性回归、K均值、DBSCAN、高斯混合模型。除提供主要算法和建模功能外，Smartbi大数据挖掘平台还提供了必不可少的数据预处理功能，包括字 段拆分、行过滤与映射、列选择、随机采样、过滤空值、合并列、合并行、JOIN、行选择、去除重复值、排序、增加序列号、增加计算字段等。内置５大类机器学习成熟算法，支持文本分析处理，支持使用Python扩展挖掘算法， 支持使用SQL扩展数据处理能力。

4、Scipy

Scipy基于Numpy，是专门为爬虫而生的工具，有URL读取、HTML解析、存储数据等功能，而且能够提供矩阵支持，以及大量基于矩阵的数值计算模块，包括：插值运算，线性代数、图像信号，快速傅里叶变换、优化处理、常微分方程求解等，可以灵活地完成各种需求。

5、Numpy

Numpy能提供数组支持，进行矢量运算，并且高效地处理函数，线性代数处理等。而且 Numpy是包括Scipy、Matplotlib、Pandas等库的。它比起python内置列表来说速度更快。因为 Numpy内置函数处理数据速度与C语言同一级别，建议使用时尽量用内置函数。

6、Matplotlib

Matplotlib是基于Numpy的一套Python包，这个包提供了Python的数据绘图工具，主要用于绘制一些统计图形。它是好用的数据可视化工具之一，主要用于二维作图，需简单几行代码可以生成各式的图表，只例如直方图，条形图，散点图等。三维绘图也是支持的，但只能画比较简单的。

7、Pandas

Pandas是python数据挖掘必备的工具，应该很多人都不陌生，它源于NumPy，提供不错的数据读写功能，支持增删改查，数据处理函数很强大，并且支持时间序列分析功能，能很方便地对数据进行分析与探索。

8、Scikit-Learn

Scikit-Learn是很优秀的机器学习python库，能够提供完整的学习工具箱，能够进行数据处理，回归，分类，聚类，预测，模型分析等操作。缺点是没有提供神经网络，以及深度学习等模型，不过这也还好，毕竟已经很实用了。

9、Keras

Keras是一个能够帮助深度学习的python库，不但可以搭建普通神经网络，还能建各种深度学习模型，例如：自编码器、循环神经网络、递归神经网络、卷积神经网络等。而且它运行速度很快，步骤简化，定制程度高，能轻松搭建几百个输入节点的深层神经网络。