学习数据挖掘通常需要哪些软件和工具？

人工智能、机器学习、模式识别、统计学、数据库、可视化技术等

数据挖掘从数据库中的大量数据中揭示隐藏的、以前未知的和潜在的有价值的信息，数据挖掘主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，对自动化程度高的企业的数据进行分析。

进行归纳推理并挖掘潜在模式，以帮助决策者调整市场策略、降低风险并做出正确的决策。

数据挖掘起源于“智能深度处理”，前身为“知识发现”，其本质是找出数据背后的“故事”。 通过善用数据挖掘技术，可以突破信息化战场的“数据迷雾”，发现数字背后的奥秘，从战略、战役、战术等各个层面准确掌握战场形势和对手作战特点。

在信息化战争中，军事决策的正确性和及时性直接决定了战争行动的成败。 数据挖掘技术的出现，可以帮助军事决策者从海量战场数据中分析和获取有价值的信息，进而为作战规划等军事决策提供有力支撑。

借助专家系统和遗传算法，高效完成部队分化、战术分组、编队配置等决策。 借助相关算法和统计决策，准确预测敌人的行动路线，保护重要目标。 借助“决策树”方法、人工神经网络、可视化技术等，可以分配目标火力。

数据挖掘还可以分析战场环境，实现对战场态势的准确感知，为指挥员提供更清晰的战场态势展示。

R-programming、rapidminer、weka 和 knime 可用于数据挖掘。

数据挖掘（英文：data mining），也译为数据挖掘、数据挖掘。 它是一种通过数学模型分析存储在公司中的大量数据，以找出不同的客户或细分市场，并分析消费者的偏好和行为的方法。

这是数据库知识发现 （KDD） 的一个步骤。

数据挖掘一般是指在海量数据中自动搜索隐藏着特殊关系（属于关联规则学习）的信息的过程。

安装数据挖掘软件weka，处理中文乱码。

闭源软件包括：Clementine、SAS等。

开源软件包括：R、Weka等。

数据分析挖掘，建议房东看看软帆公司的finebi，很不错，强烈推荐一个！