DataLearner - Data Mining Software for Android APK

Опис

DataLearner е лесна за употреба алатка за ископување податоци и откривање знаење од вашите сопствени компатибилни збирки на податоци за обука форматирани ARFF и CSV (* видете подолу). Тој е целосно самостоен, не бара надворешно складирање или мрежно поврзување, тој ги гради моделите директно на вашиот телефон или таблет. Ова не е курс за обука или книга - тоа е вистинска апликација за ископување податоци базирана на машинско учење.

>> Поддршка за ARFF и CSV Збирките на податоци за обука мора да се усогласат или со форматот Weka ARFF или CSV (променлива разделена со запирки). CSV-датотеките мора да ги имаат следните карактеристики:

* мора да вклучува ред за заглавие

* атрибутот класа првично е поставен како последна колона

>> Присили го атрибутот класа на номинален Повеќето од алгоритмите на DataLearner очекуваат номинални/категорични атрибути на класата и користењето на атрибут за нумеричка класа ќе предизвика неуспех на повеќето алгоритми. Новиот „атрибут за класа на сила до номинално“ го надминува ова, но номиналните атрибути на класа со премногу различни вредности може да потрошат премногу RAM меморија.

*** ВЕСТИ! Истражувањето на DataLearner е избрано за презентација на ADMA 2019 (15-та меѓународна конференција за напредно ископување податоци и апликации) и ќе биде објавено во „Забелешки за предавања во вештачката интелигенција“ (Springer) ***

DataLearner има алгоритми за класификација, асоцијација и кластерирање од пакетот Weka (Waikato Environment for Knowledge Analysis) со отворен код, плус нови алгоритми развиени од Единицата за истражување на науката за податоци (DSRU) на Универзитетот Чарлс Стурт. Во комбинација, апликацијата обезбедува 42 алгоритми за машинско учење/копирање податоци, вклучувајќи ги и RandomForest, C4.5 (J48) и NaiveBayes.

DataLearner не собира информации за кои бара пристап до складиштето на вашиот уред, едноставно за да ги вчита вашите збирки податоци и да ги изгради вашите модели за машинско учење.

DataLearner се користи како наставна алатка во предметот ITC573 Инженерство на податоци и знаење за постдипломски студии за Магистер по информатичка технологија на Универзитетот Чарлс Стурт.

Добијте ги ресурсите:

Изворниот код со лиценца GPL3 на Github: https://github.com/darrenyatesau/DataLearner

Брзо видео на YouTube: https://youtu.be/H-7pETJZf-g

Истражувачки труд за arXiv: https://arxiv.org/abs/1906.03773

Конференциски труд AusDM 2018 што го иницираше DataLearner: https://www.researchgate.net/publication/331126867

Истражувачи, ако ја користите оваа апликација во истражувачки апликации, ве молиме цитирајте ги истражувачките трудови погоре. Благодарам.

Алгоритмите за машинско учење вклучуваат:

Bayes BayesNet, NaiveBayes

Функции логистика, SimpleLogistic, повеќеслојна перцептрон (невронска мрежа)

Мрзливи IBk (К најблиски соседи), KStar

Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest

Правила Конјуктивно правило, Табела на одлуки, DTNB, JRip, OneR, PART, Ridor, ZeroR

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

Кластери DBSCAN, максимизирање на очекувања (EM), најдалечно-прво, филтрирано кластеро, SimpleKMeans

Асоцијации Apriori, FilteredAssociator, FPGrowth

>> Каде да се најдат датотеки со податоци? DataLearner доаѓа со вградена демо база на податоци наречена „rain.csv“, но исто така ќе најдете многу сетови на податоци на веб-страницата OpenML - вклучувајќи го и популарниот сет „ecoli“ (https://www.openml.org). Преземете ги верзиите на ARFF на вашиот телефон и вчитајте ги во DataLearner за да изградите модели. Погледнете го нашиот нов видео туторијал - https://www.youtube.com/watch?v=81tSbclMVT8

Овој софтвер се испорачува КАКО Е - додека е тестиран, не се подразбира или дадена гаранција.