数据挖掘是从大量的、不完整的、有噪声的、模糊的、随机的数据中提取隐藏在其中的、人们事先不知道但潜在有用的信息和知识的过程。 数据挖掘的任务是从数据集中发现模式，可以发现的模式多种多样，根据功能分为预测性模式和描述性模式两种。
数据挖掘软件(推荐学习： PHP视频教程) ) ) ) ) ) )。
Orange
Orange是一套基于组件的数据挖掘和机器学习软件，具有易用、功能强大、快速、多功能的可视化编程前端，Python基本捆绑用于脚本开发它包含一套完整的数据预处理组件，提供数据帐户、迁移、建模、模型评估和勘探功能。 它是由C和Python开发的，其图形库是由跨平台的Qt框架开发的。
RapidMiner
RapidMiner，以前称为Yale (yetanotherlearningenvironment )，是机器学习和数据挖掘与分析的试验环境，也用于研究现实世界的数据挖掘。 所提供的实验由多个运算符构成，这些运算符记录在详细的XML文件中，用RapidMiner的图形用户界面表示。 RapidMiner为主要的机器学习过程提供了500多个操作员，将学习脚本和Weka学习环境的属性评估器相结合。 它是用于数据分析的独立工具，是用于集成到产品中的数据挖掘引擎。
维客
由Java开发的WEKA (waikatoenvironmentforknowledgeanalysis )是一款著名的机械学软件，具有几个经典的数据挖掘任务：显著的数据预处理、聚类、分类、回归、虚拟化该技术假设数据是单个文件或相关联的，并且每个数据点都有许多属性。 Weka可以使用Java的数据库链接功能访问SQL数据库并处理数据库的查询结果。 主要的用户界面是浏览器，它还支持功能相同的命令行或基于组件的知识流界面。
JHepWork
专为科学家、工程师和学生设计的jHepWork是一个免费的开源数据分析框架，主要使用开源库构建数据分析环境，提供丰富的用户界面，与付费软件竞争。 这主要是用于科学计算的二维和三维作图，包括用Java实现的数学科学库、随机数和其他数据挖掘算法。 jHepWork基于高级编程语言Jython。 当然，Java代码也可以用于调用jHepWork数学和图形库。
KNIME
knime(Konstanzinformationminer )是一个友好、智能、开源的数据集成、数据处理、数据分析、数据勘探平台。 这样，用户就可以直观地创建数据流或数据通道，有选择地执行部分或所有分析步骤，并在以后查看结果、模型和交互式视图。 KNIME由Java编写，基于Eclipse，并通过插件提供更多功能。 使用插件文件，用户可以参与文件、图像和按时间顺序排列的处理模块，并将其集成到各种开源项目中，如r语言、Weka、Chemistry Development Kit和LibSVM
有关PHP相关技术文章的详细信息，请参见PHP字符教程栏。