数据挖掘常用工具有哪些：1.Weka软件Weka(WaikatoEnvironmentforKnowledgeAnalysis)的全名是怀卡托智能分析环境，是一款免费与非商业化的数据挖掘软件，基于Java环境下开源的机器学习与数据挖掘软件。Weka的源代码可在其官方网站下载。它集成了大量数据挖掘算法，包括数据预处理、分类、聚类、关联分析等。用户既可以使用可视化界面进行操作，也可以使用Weka提供的接口，实现自己的数据挖掘算法。图形用户界面包括WekaKnowledgeFlowEnvironment和WekaExplorer。用户也可以使用Java语言调用Weka提供的类库实现数据挖掘算法，这些类库存在于weka.jar中。2.Clementine(SPSS)软件Clementine是SPSS所发行的一种资料探勘工具，集成了分类、聚类和关联规则等算法，Clementine提供了可视化工具，方便用户操作。其通过一系列节点来执行挖掘过程，这一过程被称作一个数据流，数据流上面的节点代表了要执行的操作。Clementine的资料可视化能力包含散布图、平面图及Web分析。3.KNIME软件KNIME(KonstanzInformationMiner)是基于Eclipse开发环境来精心开发的数据挖掘工具，可以扩展使用Weka中的数据挖掘算法。和Clementine类似，KNIME使用类似数据流的方式实现数据挖掘过程，挖掘流程由一系列功能节点组成，每个节点有输入、输出端口，用于接收数据或模型、导出结果。4.RapidMiner软件RapidMiner在2015年KDnuggets举办的第16届国际数据挖掘暨分析软件投票中位居第2，仅次于R语言。RapidMiner具有丰富的数据挖掘分析和算法功能，常用与解决各种商业关键问题，如：资源规划、营销响应率等等典型商业案例。RapidMiner提供解决方案涉及多个行业、领域，如：生命科学、制造业、石油、保险、汽车、银行通讯等等。不过，它不支持分析流程图方式。

数据挖掘常用算法概述：在面对海量数据时，需要使用一定的算法，才能从中挖掘出有用的信息，下面介绍数据挖掘中常用的算法。一.分类算法1、决策树算法决策树算法是一种典型的分类算法，首先利用已知分类的数据构造决策树，然后利用测试数据集对决策树进行剪枝，每个决策树的叶子都是一种分类，最后利用形成的。决策树对数据进行分类。决策树的典型算法有ID3，C4.5，CART等。2、贝叶斯分类算法贝叶斯分类算法是统计学的一种方法，其中朴素贝叶斯算法在许多情况下可以与决策树和神经网络算法相媲美，而且方法简单，准确度高，速度快。贝叶斯算法是基于贝叶斯定理的，而贝叶斯定理假设一个属性值对给定类的影响独立于其它属性值，但这种假设在很多情况下是不成立的，因此为了降低这个假设的影响，产生了很多改进算法，比如TAN(treeaugmentedBayesnetwork)算法。3、支持向量机支持向量机(SupportVectorMachine，SVM)是建立在统计学理论的VC维理论和结构风险最小原理基础上的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。支持向量机算法将在后面章节做详细介绍。二.聚类算法聚类算法不同于分类算法，不会考虑类标号，这是因为在很多情况下，开始并不存在类标号。聚类算法可以根据最大化类内相似性、最小化类间相似性的原则进行聚类或分组，这样就形成了对象的簇，同一个簇内的数据具有较高的相似性，不同簇之间的数据具有较低的相似性。常见的分类算法有K-MEANS算法、K-MEDOIDS算法等。三.关联规则关联规则是形如X→Y的蕴涵式，X和Y分别称为关联规则的先导和后继。

什么是数据挖掘：数据挖掘(DataMining)，就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘的数据源包括数据库、数据仓库、Web或其他数据存储库。

智能医疗应用的四种数据标注：1、病历文本标注：是对病历信息进行文本标框标注，通过对病历内容的文本转录实现电子病历系统建立。2、病历文本标注：是对病历信息进行文本标框标注，通过对病历内容的文本转录实现电子病历系统建立。3、骨骼点标注：是将人体运动的关节点进行描点标注，多应用于健康档案的建立。人工智能通过对骨骼点标注的学习，可以快速锁定病灶关节。4、医疗影像标注：是对医疗影像进行区域标注及分类标注，多应用于辅助临床诊断。人工智能通过学习大量的医疗影像标注数据集，将会很好的辅助医生进行临床诊断以及提出治疗方案。

智能医疗的发展特点包括：1、业务管理自动化，包括医院建立医疗收费和药品进出库管理系统。2、电子病历建设，包括病人基本信息、既往病史，医疗影像等。3、临床医疗信息化，包括医嘱录入电脑等。4、慢性疾病系统管理。5、医疗信息互通。6、临床医疗诊断。7、全民健康系统管理。

智能安防的五种数据标注：1、人脸标注：是一个应用广泛并且在不断发展的数据标注，在智能安防中，主要应用于人脸识别与身份识别。2、表情分析：是一种分类标注，在机器学习时，需要配合人脸标注进行。在智能安防中，表情分析是智能安防系统从被动防御向主动预警发展的关键技术。3、行人标注：是对行人进行标框标注，主要应用于进出人数的统计，一般在商城、超市、市中心、车站、学校、工厂等人员容易密集的场所需要通过进出人数的统计来判断容纳人员是否已经饱和，可以有效的防范因为人员过于密集而造成危险。4、行为标注：是对特定行为进行区域标注和分类标注，主要应用于对危险行为的监控，例如打架、晕倒、车祸、轻生、偷盗等，视频监控系统识别出危险行为后，可以及时报警。5、物品标注：是将物品进行标框标注及分类标注，在智能安防中，物品标注需要和行为标注结合。

自动驾驶的九种数据标注：1、车道线标注：是一种对道路地面标线进行的综合标注，标注包括了区域标注、分类标注以及语义标注，应用于训练自动驾驶根据车道规则进行行驶。2、2D车辆/行人标框标注：在自动驾驶中是最基础也是应用最广的一种标注方式，主要应用于对车辆与行人的基础识别。3、车辆多边形标注：是对车辆进行区域标注以及分类标注，主要应用于对车辆类型的识别，例如：面包车、卡车、大客车、小轿车等，训练自动驾驶在道路行驶时选择性跟车或者变道操作。4、指示牌/信号灯标注：是一种对道路悬挂指示牌/信号灯进行的综合标注，标注包括了区域标注、分类标注以及语义标注，应用于训练自动驾驶根据交通规则进行行驶。5、区域分割标注：是一种对道路区域进行的综合标注，标注包括了区域标注、分类标注以及语义标注，应用于训练自动驾驶根据交通规则进行行驶。6、行进方向标注：是一种对标注物前进方向的预判性标注，需进行标框标注及方向预判标注，应用于训练自动驾驶判断行人或车辆前进方向，规避行人或车辆。7、3D雷达标注：是根据镜头反求原理，将视频场景模拟成3D图像，通过3D图像标注出标注物的位置及大小。3D雷达标注主要应用在自动驾驶虚拟现实（VR）训练场景的搭建。8、3D雷达标注：是根据镜头反求原理，将视频场景模拟成3D图像，通过3D图像标注出标注物的位置及大小。3D雷达标注主要应用在自动驾驶虚拟现实（VR）训练场景的搭建。9、视频跟踪标注：是将视频数据按照图片帧抓取进行标框标注，标注后的图片帧按照顺序重新组合成视频数据训练自动驾驶。视频跟踪标注主要是用于训练自动驾驶对识别目标的移动跟踪能力，让自动驾驶在移动过程中更好地识别目标。

数据存储安全管理要求：1、数据加工的服务器与计算机禁止连接互联网，禁止通过外接设备进行拷贝。2、数据加工的服务器需要使用多节点存储系统，这样当发生事故某些节点上的数据出现损坏情况，也能够及时通过数据恢复算法将数据进行恢复。3、数据加工的服务器需要定期做好容灾备份管理，这样当发生突发情况，也能够保证数据不丢失。

数据标注管理架构：数据加工从业务性质上可以划分为三个部分：1、数据采集：数据采集组由于主要负责采集工作，设立数据采集组负责人，并根据项目小组划分，设立项目小组长。2、数据清洗：数据清洗组业务模式分为原始数据的质量检验工作以及敏感隐私数据的清洗工作，所以除了设立数据清洗组负责人外，还需要在负责人下面分别设立原始数据质量检验组长以及敏感隐私数据清洗组长，两个组长下面再分别项目小组，设立项目小组长。3、数据标注：数据标注组因为标注方法类型比较多，所以需要根据标注方法类型进行管理。每种类型的数据标注分别设置单项标注负责人，然后再根据项目安排项目组长；因为数据标注项目需要多个项目小组共同参与完成，所以需要在项目组长下面设立项目小组长；因为数据标注项目小组的工作质量是由标注质检员进行检验的，所以一般数据标注项目小组长由质检员担任。

数据标注工厂的办公区域划分：1、商务办公区域主要负责通过商务渠道维护以及接待洽谈数据加工业务。2、综合办公区域主要安排行政、人事、财务等保障工厂日常运作的部门。3、数据采集区域主要进行数据采集相关工作。4、数据清洗区域主要进行原始数据的清洗工作，其中包括原始数据的质量检验和敏感隐私数据的清洗。5、数据标注区域主要进行数据的标注工作。6、涉密项目区域涉密项目加工的数据必须在涉密项目专属独立办公室中的涉密计算机上进行。7、交流培训区域数据加工的每个区域都需要安排交流培训区，当项目遇到问题时便于及时沟通。