Rapid Miner

RapidMiner是一个开源的数据挖掘软件，由Java语言编写而成，提供一些可扩展的数据分析挖掘算法，旨在帮助开发人员更加方便快捷地创建智能应用程序。该款工具最大的好处就是，用户无需写任何代码。它是作为一个服务提供，而不是一款本地软件。

作为一种开源的数据挖掘工具，RapidMiner可与R和Python无缝地集成。它通过提供丰富的产品，来创建新的数据挖掘过程，并提供各种高级分析。

YModel易明建模

YModel是一款专注于自动建模的软件，在自动建模领域表现非常不错。YModel的主要优势就是自动化能力强，可以实现一键式建模，对初级用户非常友好。

YModel基于Java和Python开发，支持Windows和Linux。YModel是一款轻巧便捷的工具，使用灵活，安装简单，可以独立安装，也可以嵌入到企业的自有系统。在算法上，YModel支持分类、回归和时间序列的常用算法。

Oracle Data Mining

Oracle Data Mining(ODB)是Oracle Advanced Analytics的一部分。该数据挖掘工具提供了出色的数据预测算法，可用于分类、回归、聚类、关联、属性重要性判断、以及其他专业分析。此外，ODB还可以为整个企业的自动化、调度和部署创建SQL和PL / SQL脚本。

Knime

KNIME的原始开发团队来自硅谷的一家公司，最初为制药行业提供软件，目前已发展成一个高度可扩展和开放的数据处理平台。

KNIME允许用户直观地创建数据流（或管道），有选择地执行一些或所有分析步骤，然后检查结果，模型和交互式视图，也就是支持拖拉拽式的图形化建模方式。KNIME采用Java编写，并且基于Eclipse，利用其扩展机制来添加提供附加功能的插件。核心版本已经包含数百个数据集成模块（文件I / O），数据转换（过滤器，转换器，组合器）以及常用的数据分析和可视化方法。

Weka

Weka基于Java开发，是一款开源且免费的软件。WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。此外，用户还可以在Weka论坛可以找到很多扩展包，比如文本挖掘、可视化、网格计算等等。很多其它开源数据挖掘软件也支持调用Weka的分析功能。

Orange

Orange是一个开源数据可视化和分析工具。数据挖掘通过可视化编程或Python脚本完成。该工具具有用于机器学习的组件，用于生物信息学的附加组件和文本挖掘，并且具有用于数据分析的功能。Orange是一个Python库。Python脚本可以在终端窗口，PyCharm和PythonWin等集成环境或iPython这样的shell中运行。

Rattle

它是一个免费的开源软件，为使用R语言执行数据挖掘操作提供了一个非常好的GUI。 它提供数据的统计和可视化汇总，将数据转换为可以轻松建模的表单，从数据中构建无监督模型和监督模型，以图形方式呈现模型的性能，并对新数据集进行评分。

Rattle主要被美国和澳大利亚的用户用于企业商业与学术目的。R的计算能力能够为用户提供诸如：聚类、数据可视化、建模、以及其他统计分析类功能。

KEEL

KEEL，Knowledge Extraction based on Evolutionary Learning 的简称，是一款开源的Java数据挖掘软件工具，也是与WEKA一样出名的分析和实验环境，它提供了简洁的 GUI，用于执行包括回归、分类、聚类、监督学习等多种数据挖掘任务。它包含了各种经典的知识提取算法、预处理技术（训练集选择、特征选择、离散化、缺失值的推算方法等）、基于计算智能的学习算法、混合模型、对比实验的统计方法等。KEEL的用户定位是研究者和学生

IBM Watson Studio

IBM的AutoAI 将智能自动化应用于构建预测机器学习模型的开发步骤。 这些步骤包括准备用于训练的数据集；识别给定数据的最佳模型类型，如分类或回归模型；以及测试各种超参选择最有助于模型解决问题的数据列（又称为特征选择）。 然后，自动化将数调优选项，以在其生成候选管道时获取最佳结果，然后根据准确性和精度等指标对模型候选管道进行排序。 性能表现最佳的管道可投入生产以处理新数据，并基于模型训练情况得出预测结果。

Google CloudAutoML

作为AutoML的提出和尝鲜者，Google Cloud AutoML是当前最早也是最成熟的AutoML系统，覆盖了图像分类，文本分类以及机器翻译三大领域，另外也上线了测试版的视频相关服务，支持迁移学习和模型结构搜索，超参数搜索。

H2O.ai

H2O.ai是初创公司Oxdata于2014年推出的一个机器学习平台，它是一个开源的分布式内存机器学习平台，具有线性可扩展性。作为一种开源的数据挖掘软件，H2O可以被用来分析存储在云端架构里的数据。虽然是由R语言编写，但是该工具不但能与Python兼容，而且可以用于构建各种模型。此外，得益于Java的语言支持，H2O能够被快速、轻松地部署到生产环境中。Driverless是H2O的自动建模平台。

AutoWeka

这个数据挖掘程序被称为AutoWeka。它的基础是Weka机器学习软件。它是令人难以置信的用户友好和强大的功能，使它适合初学者和专业人士。通过使用两种机器学习方法，该程序促进了预测数据挖掘模型(即支持向量机和人工神经网络)的快速发展。

DataRobot

DataRobot是一家美国创业公司开发的自动化建模平台，它是一个端到端自动化机器学习平台。DataRobot通过减少成本、延迟和风险，同时增加预测分析来改善决策，从而使组织受益。这个ML平台适合那些需要自动化、确保和加速预测分析的人，帮助数据科学家和分析师在其他解决方案所需时间的一小部分内开发和部署正确的预测模型。它使他们能够访问一个不断扩展的最新算法库，用于数据准备和特征提取的预构建原型，以及自动组装，如果你是该领域的专家，需要高级功能。新数据科学家可以很容易地获得这些技术和参数值，因此没有必要进行试错猜测。

AutoML JADBio

JADBio AutoML提供了用户友好的机器学习，而无需编码。研究人员、数据科学家和其他人可以通过使用AutoML程序，从机器学习开始，有效地接触机器学习模型。利用AutoML只需要5个步骤:准备分析数据、进行预测分析、学习新信息、解释研究结果以及应用经过训练的机器学习模型。

Tazi.ai

Tazi.ai是知名的AutoML连续机器学习解决方案，可以被人理解和实时数据。允许业务领域专家应用机器学习来获得预测是有益的。AutoML程序使用监督、无监督和半监督机器学习模型。