| Vrsta datoteke | APK |
|---|---|
| Različica | 1.1.7 |
| Založnik | Darren Yates |
| Datum izdaje | 3. nov. 2019 |
| Datum dodajanja | 3. nov. 2019 |
| Os zahteve | Android |
| Zahteve | Requires Android 4.4 and up |
| Skupno prenosov | 4 |
| Prenosi na teden | 1 |
| Cena | Free |
Opis
DataLearner je orodje, ki je preprosto za uporabo, za rudarjenje podatkov in odkrivanje znanja iz vaših združljivih naborov podatkov za usposabljanje v formatu ARFF in CSV (* glejte spodaj). Popolnoma samostojen, ne potrebuje zunanjega pomnilnika ali omrežne povezave, modele gradi neposredno na vašem telefonu ali tabličnem računalniku. To ni tečaj usposabljanja ali knjiga - je pristna aplikacija za podatkovno rudarjenje, ki temelji na strojnem učenju.
>> Podpora za ARFF in CSV Podatkovni nizi za usposabljanje morajo ustrezati formatu Weka ARFF ali CSV (z vejico ločena spremenljivka). Datoteke CSV morajo imeti naslednje lastnosti:
* mora vsebovati naslovno vrstico
* atribut razreda je prvotno nastavljen kot zadnji stolpec
>> Vsili atribut razreda na nominalno. Večina algoritmov DataLearner pričakuje nominalne/kategorične atribute razreda in uporaba številčnega atributa razreda bo povzročila napako večine algoritmov. Novi 'prisilni atribut razreda na nominalno' to premaga, vendar lahko atributi nominalnega razreda s preveč različnimi vrednostmi porabijo preveč RAM-a.
*** NOVICE! Raziskava DataLearner je bila izbrana za predstavitev na ADMA 2019 (15. mednarodna konferenca o naprednem podatkovnem rudarjenju in aplikacijah) in bo objavljena v 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner vsebuje algoritme za klasifikacijo, povezovanje in združevanje v gruče iz odprtokodnega paketa Weka (Waikato Environment for Knowledge Analysis) ter nove algoritme, ki jih je razvila Enota za raziskave znanosti o podatkih (DSRU) na univerzi Charles Sturt. Aplikacija skupaj ponuja 42 algoritmov za strojno učenje/podatkovno rudarjenje, vključno z RandomForest, C4.5 (J48) in NaiveBayes.
DataLearner ne zbira nobenih informacij, ampak potrebuje dostop do pomnilnika vaše naprave zgolj za nalaganje vaših naborov podatkov in gradnjo vaših modelov strojnega učenja.
DataLearner se uporablja kot učno orodje pri predmetu ITC573 Data and Knowledge Engineering za magistrski študij informacijske tehnologije na univerzi Charles Sturt.
Pridobite vire:
Izvorna koda z licenco GPL3 na Githubu: https://github.com/darrenyatesau/DataLearner
Kratek video na YouTubu: https://youtu.be/H-7pETJZf-g
Raziskovalni članek o arXiv: https://arxiv.org/abs/1906.03773
Dokument s konference AusDM 2018, ki je sprožil DataLearner: https://www.researchgate.net/publication/331126867
Raziskovalci, če uporabljate to aplikacijo v raziskovalnih aplikacijah, navedite zgornje raziskovalne članke. hvala
Algoritmi strojnega učenja vključujejo:
Bayes BayesNet, NaiveBayes
Funkcije Logistic, SimpleLogistic, MultiLayerPerceptron (nevronska mreža)
Leni IBk (K najbližjih sosedov), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Naključni odbor, RandomSubSpace, RotationForest
Pravila Konjunktivno pravilo, tabela odločitev, DTNB, JRip, OneR, PART, Ridor, ZeroR
Drevesa ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterers DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Asociacije Apriori, FilteredAssociator, FPGrowth
>> Kje najti datoteke nabora podatkov? DataLearner ima vgrajen predstavitveni nabor podatkov, imenovan 'rain.csv', vendar boste na spletni strani OpenML našli tudi veliko naborov podatkov - vključno s priljubljenim naborom 'ecoli' (https://www.openml.org). Prenesite različice ARFF v svoj telefon in jih naložite v DataLearner, da iz njih sestavite modele. Oglejte si našo novo video vadnico - https://www.youtube.com/watch?v=81tSbclMVT8
Ta programska oprema je dobavljena TAKŠNA, KAKŠNA JE – čeprav je bila preizkušena, ni implicitne ali dane nobene garancije.
