به تجزیه و تحلیل داده‌ها و کشف الگوهای مفیدی در یک مجموعه‌ی داده، داده کاوی می‌گویند. در اطراف ما داده‌های زیادی وجود دارد که رشد آن‌ها بصورت چشم گیری در حال افزایش است. بنابراین ما نیاز به تصمیم گیری‌های کاربردی و هوشمندانه در زمینه‌های مختلف داریم تا الگوهای مورد نیاز خود را از این داده‌ها استخراج نماییم. در صورتی که با ابزارهای موجود در این زمینه آشنا نباشیم، این فرایند می‌تواند بسیار مشکل باشد.

تعداد بسیار زیادی ابزار مفید برای داده کاوی وجود دارد که با استفاده از آن‌ها می‌توانیم به اعمالی چون کشف رابطه‌ی میان داده‌ها، خوشه بندی داده‌ها، طبقه بندی آن‌ها و … بپردازیم. در این بخش به صورت مختصر به معرفی تعدادی نرم افزار داده کاوی دارای محیط گرافیکی می‌پردازیم که هر کدام از آن‌ها می‌تواند ما را در شناخت بهتر داده‌های موجود و کشف روابط میان آن‌ها یاری کند.

• توجه داشته باشید که لیست ابزار‌ها براساس معیار خاصی مرتب نشده است.

RapidMiner

این نرم افزار یکی از برترین نرم افزارها در حوزه‌ی داده کاوی است که با زبان جاوا نوشته شده است. شاید بتوان یکی از مزایای این نرم افزار را عدم نیاز کاربران به کد نویسی دانست که کار را برای آن‌ها آسان نموده است. قابلیت‌ها و ابزارهای موجود در RapidMiner به کاربران این امکان را می‌دهد تا به داده کاوی بر روی مجموعه داده‌ی خود بپردازند. همچنین RapidMiner با فراهم آوردن الگوریتم‌های گسترده‌ی داده کاوی و یادگیری ماشین، شما را در راستای پیش بینی خروجی‌های آینده یاری می‌کند.

IBM SPSS Modeler

اگر شما در حال کار با یک مجموعه داده‌ی عظیم هستید، این نرم افزار می‌تواند به شما در تجزیه و تحلیل داده‌هایتان کمک کند. IBM SPSS Modeler نرم افزاری تجاری بوده که با استفاده از آن می‌توان بدون کد نویسی، تعدادی زیادی از الگوریتم‌های داده کاوی را بر روی مجموعه داده خود اعمال نمود. بنابراین این نرم افزار برای اعمالی چون تبدیل داده‌ها (Data Transformation)، متن کاوی، تجزیه و تحلیل شبکه‌های اجتماعی و … بسیار مفید است.

Knime

افرادی که به نسبت بر مفاهیم پایگاه داده‌ها تسلط دارند، استفاده از این ابزار برای آن‌ها بسیار ساده است. Knime نرم افزاری رایگان و متن باز بوده که با زبان جاوا نوشته شده است. این ابزار یک رابط گرافیکی بسیار زیبا را در اختیار شما قرار می‌دهد که می‌توان nodeهای مختلف را به یکدیگر متصل کرده و خروجی هر مرحله را به عنوان ورودی مرحله‌ای دیگر در نظر گرفت. قابلیت افزودن pluginهای مختلف به این نرم افزار باعث شده است تا امکانات این ابزار افزایش یافته و بتوان از آن در زمینه‌هایی چون متن کاوی نیز استفاده نمود.

Orange

یکی دیگر از نرم افزارهای رایگان و متن باز Orange نام دارد که با زبان پایتون نوشته شده است. Orange می‌تواند برای افرادی که به تازگی قصد یادگیری داده کاوی را دارند بسیار مفید باشد. محیط سبک و ساده‌ی این نرم افزار باعث می‌شود تا تنها با چند کلیک بتوان اعمال داده کاوی را انجام داد. یکی از قابلیت‌های خوب این نرم افزار، توانایی افزودن pluginهای مختلف بوده که می‌توان امکانات آن را گسترش داد. علاوه بر افراد مبتدی، آن دسته از افرادی که قصد دارند از محیطی ساده و در عین حال قدرتمند استفاده کنند، این ابزار می‌تواند انتخابی مناسب باشد.

Weka

Weka نرم افزاری متن باز و رایگان است که با زبان جاوا نوشته شده است که با استفاده از آن می‌توان اعمال مختلف داده کاوی مانند پیش پردازش داده‌ها، طبقه بندی، خوشه بندی و … را به سادگی انجام داد. Weka ابزار کاملیست که به کمک آن می‌توان روابط موجود میان مجموعه داده‌های مختلف را بدست آورده و به سادگی به بازنمایی این اطلاعات (visualization) پرداخت. همچنین این ابزار شامل بسته‌ای کامل از الگوریتم‌های مختلف یادگیری ماشین است که کار را برای متخصصان داده کاوی بسیار راحت کرده است.

SAS Data Mining

محیط گرافیکی زیبا و ساده‌ی این نرم افزار قابلیت‌هایی مانند پردازش داده‌ها، تجزیه و تحلیل آن‌ها، بازنمایی اطلاعات استخراج شده و بسیاری امکانات دیگر را در اختیار کاربران قرار می‌دهد. این نرم افزار تجاری و دارای امکاناتی پیشرفته و ابزارهایی کارآمد برای مدل سازی و بازنمایی اطلاعات است. SAS دارای الگوریتم‌های متنوعی نیز می‌باشد که به شما این قابلیت را می‌دهد تا با قدرت بیشتری به تحلیل داده‌های خود بپردازید و بتوانید از آن‌ها بهترین خروجی را استخراج کنید.

این نرم افزارها تنها نمونه‌هایی از ابزارهای داده کاوی می‌باشند. ابزارهای دیگری نیز وجود دارد که دارای محیطی گرافیکی بوده و با استفاده از آن‌ها می‌توان به تجزیه و تحلیل داده‌های مختلف پرداخت. با توجه به پروژه‌ و مجموعه داده‌ی موجود می‌توان از هرکدام از این ابزارها استفاده نمود. بنابراین انتخاب ابزار مناسب به شرایط پروژه‌ی شما بستگی دارد.

علاوه بر نرم افزارهایی با محیطی گرافیکی، از زبان‌های برنامه نویسی مانند جاوا، پایتون، R و کتابخانه‌های موجود در آن‌ها نیز می‌توان استفاده نمود. ممکن است استفاده از زبان‌های برنامه نویسی در مرحله‌ی اول کمی سخت باشد؛ اما به کارگیری آن‌ها قابلیت‌های بیشتری را در اختیار شما قرار می‌دهد که می‌توانید به پیاده سازی مدل‌های مختلف با تنظیمات دلخواه خود بپردازید. بنابراین پیشنهاد می‌شود در ابتدا داده کاوی را با یکی از نرم افزارهای معرفی شده شروع کرده و سپس از یک زبان برنامه نویسی برای تجزیه و تحلیل داده‌های خود استفاده کنید.