Opis DataLearner - Data Mining Software for Android

DataLearner to łatwe w użyciu narzędzie do wykrywania kopalni i odkrywania wiedzy z własnych kompatybilnych arbowych i formatowanych CSV. Jest w pełni samodzielny, nie wymaga żadnych zewnętrznych pamięci masowej ani łączności sieciowej - buduje modele bezpośrednio na telefonie lub tablecie.
>> ARFF i CSV Support
Zestawy danych Treningowy muszą być albo CSV (zmienna przecinkowa) lub format WEKA ARFF.
Pliki CSV muszą mieć następujące funkcje:
* Uwzględnij wiersz nagłówek
* Atrybut klasy jest początkowo ustawiony jako ostatnia kolumna
>> Atrybut grupy Force do nominalnego
Najbardziej algorytmów DataLearner spodziewa się nominalnych / kategorycznych atrybutów klasy i przy użyciu atrybutu klasy numerycznej spowoduje awarię algorytmów. Nowa "atrybut klasy Force do nominalnej" jest to nominalne ", jednak atrybuty klasy nominalnej z zbyt wieloma różnymi wartościami mogą wykorzystywać za dużo pamięci RAM.
DataLearner Cechy klasyfikacja, stowarzyszenie i klastrowanie algorytmy z otwartego źródła WEKA (Środowisko Waikato do analizy wiedzy) Pakiet, a także nowe algorytmy opracowane przez jednostkę badawczą Nauki Data (DSRU) w Karola Sturt University. W połączeniu aplikacja zapewnia 42 algorytmy maszynowo-hullingowe / wydobywcze, w tym losowy, C4.5 (J48) i NaiveBayes.
DataLearner zbiera informacje - Wymaga dostępu do przechowywania urządzenia, aby załadować zbiory danych i zbudować modele uczenia maszynowego.
* DataLearner jest używany jako narzędzie do nauczania w
ITC573 Dane i wiedza Temat inżynierii
dla Master of Information Technology Stopień podyplomowego na Uniwersytecie Karola Strurt.
* Badania DataLearner zostały zaprezentowane w ADMA 2019 (15. Międzynarodowa konferencja na temat zaawansowanych wydobywczych danych i aplikacji) i opublikowane w "Wykłady" Sztuczna inteligencja "(Springer)
Pobierz zasoby:
GPL3-licencjonowany kod źródłowy na Github:
https://github.com/darrenyatesau/datalearner
Szybki wideo na YouTube:
https://youto.be/h-7petjzf-g
Papier badawczy na Arxiv:
https://arxiv.org/abs/1906.03773
AUSDM 2018 Papier konferencyjny, który zainicjował DataLearner:
https: //www.researchgate.net/Publication/331126867
Naukowcy, jeśli korzystasz z tej aplikacji w aplikacjach badawczych, proszę przytoczyć artykuły badawcze powyżej. Dzięki.
Algorytmy uczenia maszynowego obejmują:
• Bayes - Bayesnet, NaiveBayes
• Funkcje - logistyczne, proste, multilayerperceptron (sieć neuronowa)
• Lazy - IBK (K najbliższy sąsiedzi) , Kstar
• Meta - adaboostm1, pakiet, logitboost, Multiboostab, Losowy Komitet, Randomsubspace, RotationForest
Reguły - Reguła koniunkcyjna, Tabela decyzyjna, DTNB, JRIP, Otener, Część, Ridor, Zeror
• Drzewa - Adtree, BFTree, Dectorstump, Forestpa, J48 (C4.5), Landtree, Losowy las, Randomtree, Reptree, SimpleCart, Spaarc, Sysfor.
• Kastery - DBSCAN, Oczekiwania Maksymalizacja (EM), najdalsze, FilterCierser , SimpleKMeans
• Stowarzyszenia - Apriori, Filteredassociator, FPGrowth
Zastrzeżenie: To oprogramowanie jest dostarczane "AS-IS" - podczas gdy został przetestowany, żadna gwarancja lub gwarancja jest dorozumiana. Użyj go na własnym ryzyku. Twoje pobieranie tego oprogramowania pokazuje, że zgadzasz się na te warunki.

Zobacz więcej Zwiń

Co nowego DataLearner - Data Mining Software for Android

v1.1.7
* Enabled View Details/Confusion Matrix button after no-CV model build only.
v1.1.6
* Enabled all trees in Random Forest to appear in Confusion Matrix/Model output.
* Added copy-paste to clipboard of Confusion Matrix/Model output.
v1.1.5
* updated error message to suggest using 'Force class attribute to nominal' button on Load screen.
v1.1.4
*fixed introduced bug preventing some statistics from appearing with numeric-class datasets.

Informacja