数据挖掘是一个提取隐藏在大量不完整、有噪声、模糊和随机数据中的潜在有用信息和知识的过程，而人们事先并不知道这些信息和知识。数据挖掘的任务是从数据集中发现模式。可以找到的模式有很多，根据功能可以分为两类:预测模式和描述模式。

数据挖掘软件

奥林奇

Orange是一个基于组件的软件套件，用于数据挖掘和机器学习。它的功能是友好、强大、快速、多功能的可视化编程前端，用于浏览数据分析和可视化，Python绑定脚本开发。它包含一系列完整的数据预处理组件，并提供数据核算、转换、建模、模式评估和探索功能。采用C++和Python开发，其图形库采用跨平台Qt框架开发。

RapidMiner

RapidMiner，以前称为Yale(又一个学习环境)，是机器学习和数据挖掘与分析的实验环境，也用于研究现实世界的数据挖掘。它提供的实验由大量的操作符组成，这些操作符由详细的XML文件记录，并由RapidMiner的图形用户界面显示。RapidMiner为主机器学习过程提供了500多个操作符，将学习方案与Weka学习环境的属性赋值器相结合。它是数据分析的独立工具，也是集成到您的产品中的数据挖掘引擎。

新西兰秧鸡

由Java开发的WEKA(Waikato Environment for Knowledge Analysis)是一款知名的机器软件，支持数据预处理、聚类、分类、回归、虚拟化、函数选择等几个经典的数据挖掘任务。它的技术是基于数据是单个文件或关联的假设，其中每个数据点由许多属性标记。Weka可以利用Java的数据库链接能力访问SQL数据库，可以处理一个数据库的查询结果。它的主要用户界面是Explorer，也支持相同功能的命令行或者一个基于组件的知识流界面。

JHepWork

jHepWork是为科学家、工程师和学生设计的免费开源数据分析框架，主要利用开源库创建数据分析环境，并提供丰富的用户界面与那些收费的软件竞争。它主要用于科学计算的二维和三维绘图，包括用Java实现的数学科学库、随机数等数据挖掘算法。JHepWork基于一种高级编程语言Jython。当然，Java代码也可以用来调用jHepWork的数学和图形库。

数据挖掘平台

KNIME (Konstanz Information Miner)是一个用户友好、智能、开源的数据集成、数据处理、数据分析和数据探索平台。它使用户能够以可视化的方式创建数据流或数据通道，并可以选择性地运行部分或全部分析步骤，以及使用以下研究结果、模型和交互式视图。KNIME是用Java写的，基于Eclipse，通过插件提供更多功能。通过插件文件，用户可以为文件、图片和时间序列添加处理模块，并将其集成到其他各种开源项目中，如R语言、Weka、化学开发工具包和LibSVM。