1樓：BattlesNeo
免費的免費的
Rapid Miner
IBM SPSS Modeler
Oracle Data Mining
Teradata
Framed Data
Kaggle
Weka
Rattle
KNIME
Python
2樓：謝冬梅
Daily Life：
imblearn,albumentation需要魔改底層或者out of the box的時候經常ref的src：
寫ppt：
yellowbrick
寫kernel魔改：
各種medium,tf doc just dont work
3樓：網易數帆
專業的機器學習框架，在網易內部，傳統機器學習主要是 Spark MLlib，深度學習任務， 因為產品線眾多，TensorFlow、Keras、MXNet、PyTorch、Caffe、PaddlePaddle 等各個框架都有用到。這些大家都說很多了。語音識別演算法主要用 Kaldi，也不算特殊。
對於希望在 Hadoop 上執行大規模深度學習任務的團隊，推薦網易杭州研究院大資料團隊在參與的 Submarine 專案，支援 GPU 和容器。該項目的初衷是在 Apache Hadoop YARN 上執行的分布式深度學習/機器學習應用程式就像在本地執行一樣簡單，讓機器學習工程師專注於演算法，而不是擔心底層基礎架構。詳見：
Submarine：在 Hadoop 中執行分布式深度學習應用更簡單
當然這是建立在 YARN 已經承擔重任的基礎上，減少運維工作量，新建的資料科學基礎設施，底層架構採用 Kubernetes 和 Docker 可能更符合團隊的需要。
4樓：王的機器
機器學習：Scikit-learn
深度學習：Tensorflow (Keras), PyTorch, MXNet, Caffe
資料視覺化：ECharts, HighCharts, Plotly, Bokeh
5樓：諾俠
一般都是numpy+pandas+sklearn+matplotlib這個搭配了吧。
numpy+pandas提供基本的資料處理手段，sklearn提供機器學習的演算法，matplotlib提供視覺化的手段。
資料探勘 機器學習領域有哪些知名的期刊或會議？
個人關注的會議 NIPS Deep Learning ICML 比上面更理論一些，很多優化文章 ICLR 表示學習 Cosyne 計算神經科學 Blake Jefferson 這個問題我試著回答一下 Conference 1 NIPS Neural Information Processing Sy...
資料分析 資料探勘與機器學習之間有什麼聯絡？
天堂之拳 看林軒田的機器學習基石。沒記錯的話第一周課就有講。資料分析，資料探勘，機器學習在研究上有一部分是重疊的，但側重點不同。舉乙個例子，資料探勘裡面，流資料是乙個很大的關注點，但在機器學習裡面研究的就相對較少。同理，資料探勘對統計學習理論也沒有機器學習關注的多。你再看資料探勘的教材，一般都有一章...
資料探勘與機器學習是什麼關係？
郭斯特 機器學習通過演算法讓計算機通過以往的經驗來改善其效能。資料探勘從資料中發現模式並加以利用。所謂 以往的經驗 當然也是以資料的形式存在的。要想改善效能，當然也要先發現模式才行。兩個領域高度相關。區別嘛，資料探勘更重視實際應用，採用系統化的方法來綜合使用各種機器學習演算法 拿來就用，不管理論 期...