DataLearner - Data Mining Software for Android APK

Apraksts

DataLearner ir ērti lietojams rīks datu ieguvei un zināšanu atklāšanai no jūsu saderīgām ARFF un CSV formāta apmācības datu kopām (* skatīt tālāk). Tas ir pilnībā autonoms, neprasa ārēju atmiņu vai tīkla savienojumu, tas veido modeļus tieši tālrunī vai planšetdatorā. Šis nav mācību kurss vai grāmata — tā ir īsta, uz mašīnmācībām balstīta datu ieguves lietotne.

>> ARFF un CSV atbalsts Apmācību datu kopām ir jāatbilst Weka ARFF formātam vai CSV (ar komatu atdalītam mainīgajam). CSV failiem ir jābūt šādām funkcijām:

* jāiekļauj galvenes rinda

* klases atribūts sākotnēji ir iestatīts kā pēdējā kolonna

>> Piespiest klases atribūtu uz nominālo Lielākā daļa DataLearner algoritmu paredz nominālos/kategoriskos klases atribūtus, un, izmantojot ciparu klases atribūtu, lielākā daļa algoritmu neizdosies. Jaunais “force class atribut to nominal” to pārvar, tomēr nominālās klases atribūti ar pārāk daudzām atšķirīgām vērtībām var izmantot pārāk daudz RAM.

*** JAUNUMI! DataLearner pētījums ir izvēlēts prezentācijai ADMA 2019 (15. starptautiskā progresīvās datu ieguves un lietojumprogrammu konference) un tiks publicēts izdevumā “Mākslīgā intelekta lekciju piezīmes” (Springer) ***

DataLearner piedāvā klasifikācijas, asociācijas un klasterizācijas algoritmus no atvērtā pirmkoda Weka (Waikato Environment for Knowledge Analysis) pakotnes, kā arī jaunus algoritmus, ko izstrādājusi Čārlza Stērta universitātes Datu zinātnes pētniecības nodaļa (DSRU). Kopā lietotne nodrošina 42 mašīnmācības/datu ieguves algoritmus, tostarp RandomForest, C4.5 (J48) un NaiveBayes.

DataLearner neapkopo informāciju, tai ir nepieciešama piekļuve jūsu ierīces krātuvei, lai tikai ielādētu datu kopas un izveidotu mašīnmācības modeļus.

DataLearner tiek izmantots kā mācību līdzeklis ITC573 datu un zināšanu inženierijas priekšmetā Informācijas tehnoloģiju maģistra grāda iegūšanai Čārlza Stērta universitātē.

Iegūstiet resursus:

GPL3 licencēts pirmkods vietnē Github: https://github.com/darrenyatesau/DataLearner

Ātrs video vietnē YouTube: https://youtu.be/H-7pETJZf-g

Pētījums par arXiv: https://arxiv.org/abs/1906.03773

AusDM 2018 konferences dokuments, kas aizsāka DataLearner: https://www.researchgate.net/publication/331126867

Pētnieki, ja izmantojat šo lietotni pētniecības lietojumprogrammās, lūdzu, citējiet iepriekš minētos pētījumus. Paldies.

Mašīnmācības algoritmi ietver:

Bayes BayesNet, NaiveBayes

Funkcijas Logistic, SimpleLogistic, MultiLayerPerceptron (neironu tīkls)

Lazy IBk (K Nearest Neighbours), KStar

Meta AdaBoostM1, iepakošana, LogitBoost, MultiBoostAB, Random komiteja, RandomSubSpace, RotationForest

Noteikumi Saistošais noteikums, lēmumu tabula, DTNB, JRip, OneR, PART, Ridor, ZeroR

Koki ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.

Klasteru DBSCAN, gaidu maksimizēšana (EM), vistālāk pirmais, filtrētais klasteris, vienkāršs KMeans

Asociācijas Apriori, FilteredAssociator, FPGrowth

>> Kur atrast datu kopu failus? DataLearner ir aprīkots ar iebūvētu demonstrācijas datu kopu ar nosaukumu “rain.csv”, taču jūs atradīsiet arī daudz datu kopu OpenML vietnē, tostarp populāro “ecoli” kopu (https://www.openml.org). Lejupielādējiet ARFF versijas savā tālrunī un ielādējiet tās programmā DataLearner, lai no tām izveidotu modeļus. Noskatieties mūsu jauno video pamācību — https://www.youtube.com/watch?v=81tSbclMVT8

Šī programmatūra tiek piegādāta tāda, kāda tā ir — kamēr tā ir pārbaudīta, garantija netiek sniegta vai netiek sniegta.