มีเครื่องมือขุดข้อมูลหลากหลายตัวเลือก ดังนี้:
1. MonkeyLearn
แพลตฟอร์ม Machine Learning ที่เชี่ยวชาญด้าน Text Mining มีอินเทอร์เฟซใช้งานง่าย สามารถผสานรวมกับเครื่องมือที่มีอยู่ได้ทันทีเพื่อทำ Data Mining แบบ Real-time เริ่มใช้งานได้ทันทีด้วยโมเดล Text Mining ที่ผ่านการฝึกอบรมมาก่อน (Pre-trained) เช่น Sentiment Analyzer หรือสร้างโซลูชันแบบกำหนดเองเพื่อตอบสนองความต้องการธุรกิจที่เฉพาะเจาะจงมากขึ้น
2. RapidMiner
แพลตฟอร์ม Data Science โอเพนซอร์สฟรี ที่มีอัลกอริทึมหลายพันตัวสำหรับการเตรียมข้อมูล Machine Learning Deep Learning Text Mining และ Predictive Analytics อินเทอร์เฟซลากวาง (Drag-and-drop) และโมเดลสำเร็จรูปช่วยให้ผู้ไม่ใช่โปรแกรมเมอร์สร้าง Workflow ทำนายสำหรับกรณีใช้งานเฉพาะได้ เช่น การตรวจจับฉ้อโกง (Fraud Detection) และการลูกค้าหยุดใช้บริการ (Customer Churn)
3. Orange Data Mining
ชุดซอฟต์แวร์ Machine Learning และ Data Mining แบบบริสุทธิ์ (Pure) ให้การแสดงภาพ (Visualization) เป็นแอปพลิเคชันที่พัฒนาบนคอมโพเนนต์ที่เขียนด้วยภาษา Python และพัฒนาที่ห้องปฏิบัติการชีวสารสนเทศศาสตร์ คณะคอมพิวเตอร์และวิทยาการสารสนเทศ มหาวิทยาลัยลูกเซมเบิร์ก (Ljubljana University) สโลวีเนีย
4. KNIME
โอเพนซอร์สที่พัฒนาโดย KNIME.com สร้างขึ้นโดยการรวมองค์ประกอบ Data Mining และ Machine Learning ถูกใช้กันอย่างแพร่หลายในงานวิจัยยา การวิเคราะห์ธุรกิจ (Business Intelligence) และการวิเคราะห์การเงิน
5. SSDT (SQL Server Data Tools)
ขยายกระบวนการพัฒนาฐานข้อมูลใน Visual Studio ใช้ทั่วไปสำหรับการวิเคราะห์ข้อมูล และให้โซลูชันแก้ปัญหา Business Intelligence รองรับ Table Designer สำหรับการดำเนินการตาราง เช่น สร้างตาราง เพิ่ม/ลบ/แก้ไขข้อมูลตาราง เปลี่ยนแปลงเนื้อหาตาราง ช่วยให้ผู้ใช้เชื่อมต่อฐานข้อมูลได้ เนื่องจากรองรับ SQL
6. Rattle
เครื่องมือขุดข้อมูล berbasis GUI ที่ต้องการภาษาโปรแกรมสถิติ R Rattle เปิดเผยพลังทางสถิติของ R โดยให้คุณสมบัติขุดข้อมูลที่จำเป็น แม้ Rattle จะมี UI ที่ครบครันและพัฒนาดี แต่มีแท็บ Unified Log Code ที่ทำให้โค้ดซ้ำสำหรับบางการดำเนินการ GUI ชุดข้อมูลที่สร้างโดย Rattle สามารถดูและแก้ไขได้ Rattle ให้สิ่งอำนวยความสะดวกในการตรวจสอบโค้ด ใช้เพื่อหลายวัตถุประสงค์ และขยายโค้ดโดยไม่มีข้อจำกัด
7. SAS (Statistical Analysis System)
ตัวเลือกที่ดีสำหรับ Text Mining Optimization และ Data Mining ให้วิธีและเทคนิคหลากหลายเพื่อตอบสนองความสามารถทางการวิเคราะห์หลากหลาย ซึ่งตอบสนองความต้องการและเป้าหมายขององค์กร ประกอบด้วย:
- Descriptive Modeling: ช่วยจัดกลุ่มและสร้างโปรไฟล์ผู้ใช้
- Predictive Modeling: สะดวกในการทำนายผลลัพธ์ที่ไม่ทราบ
- Prescriptive Modeling: มีประโยชน์ในการแยกวิเคราะห์ กรอง และแปลงข้อมูลไม่มีโครงสร้าง เช่น อีเมล ฟิลด์ความคิดเห็น หนังสือ ฯลฯ
สถาปัตยกรรมการประมวลผลหน่วยความจำแบบกระจาย (Distributed Memory Processing Architecture) ทำให้มีความสามารถในการขยาย (Scalability) สูงมาก
