摘自：InfoQ
审校：杜小芳
导读
工具／产品／解决方案是数据科学家洞察数据的利器。KDNuggets网站对此观点进行了年度调查，来分析数据科学家在用哪些类型的工具，并提供了调查的匿名原始数据。
通过主成分析（PCA）法进行降维分析
对所有的工具同时进行关系分析，常规来说，PCA通过对大样本数据统计性质（eg, 协方差）的分析，试图用主要特征来解释关系。
分析结果：
当前分析的目标：通过一些主成分来分析95种工具之间的关系。最终决定以PCA的特征值来决定主成分的数目，这里选用了两种规则：一种是以特征值大于1的特征值数量来选择主成分数量；一种是画陡坡图（scree plot），通过95个特征值你会发现一个拐点的特征值。
特征点点陡坡图显示在第13和第14特征点时出现拐点，因此，这里选择的13个主成分来解释它们之间的关系，见下图：
工具分类
下面列出根据主成分析得出的13类工具（投票数大于20）：
1.大数据生态（Hadoop、Spark）和开源项目：Hadoop, HBase, Hive, Mahout, MLlib, Other Hadoop/HDFS-based tools, Pig, Scala, Spark, SQL on Hadoop tools
2.微软数据科学家工具：Microsoft Azure ML, Microsoft Power BI, Microsoft SQL Server, Revolution Analytics
3.基于Python的机器学习：Dataiku, H2O (0xdata), Python, scikit-learn, Theano, Vowpal Wabbit
4.SAS公司产品：JMP, SAS Base, SAS Enterprise Miner
5.MATLAB、R语言等统计工具：Gnu Octave, MATLAB, Orange, R, RapidMiner, Rattle, Weka
6.IBM公司产品：IBM Cognos, IBM SPSS Modeler, IBM SPSS Statistics, IBM Watson Analytics
7.Linux工具和SQLang：Actian, C/C , Perl, SQLang, Unix shell/awk/gawk
8.深度学习：Caffe, Pylearn2
9.商务智能软件：Pentaho and QlikView
10.数据分析平台：Datameer and Zementis
11.Excel和Word统计工具：XLSTAT for Excel
12.其它：Other Deep Learning tools, Other free analytics/data mining tools, Other Hadoop/HDF-based tools, Other paid analytics/data mining/data science software, Other programming languages
13.数据可视化：C4.5/C5.0/See5, Miner3D, Oracle Data Miner
总结
数据科学家在选择大数据、数据挖掘和数据分析工具时，更倾向于有一定生态基础的工具，这样各个工具间可以相互支持。
为了提高在大数据项目中成功的机会，选择正确的工具是非常重要的。没有一个孤立的工具能够做所有的数据分析，职业的数据专家趋向于使用不止一种相关的工具（分析中发现，数据专家平均使用5种数据分析工具）。你可以根据使用相关工具的数据专家来决定自己的选择。
另外一个观点是，要选择大厂的产品，比如，IBM、微软和SAS，大品牌的产品更丰富，可以使得你的产品更容易扩展。
END
版权声明：
转载文章均来自公开网络，仅供学习使用，不会用于任何商业用途，如果出处有误或侵犯到原作者权益，请与我们联系删除或授权事宜，联系邮箱：holly0801@163.com。转载大数据公众号文章请注明原文链接和作者，否则产生的任何版权纠纷与大数据无关。
