专利分析工具概述(3)数据挖掘

数据挖掘

数据挖掘工具越来越多。 以下是一些引起我们注意的工具。

RStudio

一个非常强大的工具，用于处理数据并使用R可视化数据，然后进行编写（本章以及整个《手册》完全由Rmarkdown与RStudio编写）。虽然使用R的学习曲线可能会令人生畏，但要付出大量努力才能用好. 通过教程, DataCamp，网络研讨会，R-Bloggers和Stack Overflow的资源, 以及免费的大学课程，例如著名的John Hopkins大学在Coursera 上开设的R编程课程。的确，与Python一样，对不同级别的用户也有如此之多的支持，以至于在使用R和RStudio时很难感到孤独。

(译者注, 也请考虑使用Python, 译者对R不熟, 对教程中的R部分暂时不做翻译. )

要开始使用R，请按照这些说明 为您的平台下载RStudio，并确保从提供的链接中安装R。

如果您完全不熟悉R，那么DataCamp 是一个不错的起点。 免费的John Hopkins大学Coursera上的R编程课程也非常好。 John Hopkins大学（John Hopkins University）课程随附有Swirl教程软件包，可以在安装R后使用`install.packages("swirl") 安装。

在编写本手册时，我们主要侧重于使用R开发资源。但是，我们将强调Python可能对您的需求也很重要。 有关R和Python的优缺点的最新讨论，请参见关于“数据科学大战”的Datacamp文章以及随附的出色信息图

(译者注: 那篇文章写于2015年末. 到2019年时, Python在机器学习工具包上的优势非常明显.)

RapidMiner Studio

带有免费服务和各种分层的付费计划。 RapidMiner专注于机器学习，数据挖掘，文本挖掘和分析。

KNIME

一个开放的数据挖掘平台。

Python中的其他数据挖掘工具（例如WEKA和NLTK ）将在后面介绍。 如果您想探索其他数据挖掘软件，请看此文章 。