有哪些好用的机器学习和数据挖掘工具？
机器学习和数据挖掘的工具有很多，首先需要确定自己选用的编程语言，比如说Python是一种通用语言，具有高质量的机器学习和数据分析库，非常适合快速原型设计；C 是用于CUDA并行计算的中级语言，可以开发在实时约束下直接与硬件交互的驱动程序和软件，应用很广泛；还有R语言，适合统计计算和图形，是统计，可视化和数据分析的语言和环境，可以实现快速数据分析和可视化等等。
用于数据分析和可视化工具的有pandas，用于增强分析和建模的Python数据分析库；matplotlib，用于高质量可视化的Python机器学习库；jupyter notebook，用于交互式计算的免费Web应用程序，可实时创建代码和共享文档，开发和执行代码；还有Tableau，用于数据科学和商业智能的数据可视化工具。
还有一些机器学习库，比如Numpy，使用Python进行科学计算的扩展包；scikit-learn，一个开源的Python机器学习库，集成了很多机器学习算法等等。一些机器学习/深度学习框架工具，包括Tensorflow、Caffe、Pytorch、Keras、CNTK、MXNET、Theano在内的十几种深度学习框架，最常用的、用的最多的是Tensorflow和Caffe。
数据挖掘过程中你使用最多的工具是什么？
当然是Python了，之所以Python能在机器学习方面笑傲江湖，全靠他哥俩，numpy和pandas，因为有了他俩，Python处理数组和矩阵才成为现实。在数据挖掘过程中，数据探索和数据处理方面，主要是pandas，提供了类似行列式DataFrame的数据结构，在读取外部数据，变换数据，处理空置和异常数据方面有极其强大的作用，而且使用起来非常简单。
是我日常分析数据，处理数据常用的工具。matplotlib库是Python数据图库，提供了强大的图表功能，在在平面和三维立体图方面非常便捷，是数据可视化的机器。当然，还有机器学习库scikit-learn，里面包含了绝大部分算法，分类，回归，降维，还提供了强大的模型优化类和模型评估类，也有专门用作文本分析的算法和特征提取，特征选择等。
数据分析与数据挖掘工程师，需要掌握哪些必备工具？
至于工具的话，举例说几个，可以帮助我们从各种角度分析大数据的工具。并通过数据做出正确的业务决策：RapidMiner：这事一款免费数据挖掘工具质疑，它是一个开源的数据挖掘软件，是由java语言编写的。这个软件可以提供一些可扩展的数据分析挖掘算法的实现。可以帮我们开发人员更快更方面的应用这个软件。优势就是在于，我们使用的人是不需要会写任何代码的，这只是一个服务的提供。
除了挖掘数据之外还可以提供数据预处理和可视化、预测分析和统计建模、还有评估和部署等等功能；SAS Data Mining （SAS数据挖掘软件）这个软件对于我们使用者来说也是不需要写任何代码的，它提供易于使用的GUI。并且提供从数据处理、集群到最终环节的自动化工具。我们可以从中得出结果做出正确的决策。
因为是商业数据挖掘软件，所以里面包含了很多高端的工具，例如：自动化、秘籍像算法、建模、数据可视化等等；WEKA这款工具是一款非常复杂的数据挖掘工具。这个工具是基于java版本，支持多种标准数据挖掘任务。包括数据预处理，还有收集，分类，回归分析、可视化和特征选取；本回答是参考techgyd整理。暂时更新这些，日后再来整理各种好用的工具；。
数据分析常用的软件工具有哪些？初学者应该先从哪方面开始学起？
数据分析最常用的软件一般有Excel、mysql和Tableau。Excel大家都用的比较多，对日常工作来说是不可或缺的存在，其实它的数据分析功能也很厉害。mysql是关系型数据库，sql语言可以很好地对数据库进行操作管理，进而进行数据分析。Tableau是专业的可视化软件，在线使用很方便。初学者应该先从SQL开始学起，SQL是所有数据方向的必备技能，也是比较容易学的技能。
