| Filtype | APK |
|---|---|
| Versjon | 1.1.7 |
| Forlegger | Darren Yates |
| Utgivelsesdato | 3. nov. 2019 |
| Dato lagt til | 3. nov. 2019 |
| Os krav | Android |
| Krav | Requires Android 4.4 and up |
| Totalt antall nedlastinger | 4 |
| Nedlastinger per uke | 1 |
| Pris | Free |
Beskrivelse
DataLearner er et brukervennlig verktøy for datautvinning og kunnskapsoppdagelse fra dine egne kompatible ARFF- og CSV-formaterte opplæringsdatasett (* se nedenfor). Den er fullstendig selvforsynt, krever ingen ekstern lagring eller nettverkstilkobling, den bygger modeller direkte på telefonen eller nettbrettet. Dette er ikke et kurs eller en bok – det er en ekte maskinlæringsbasert datautvinningsapp.
>> ARFF- og CSV-støtte Treningsdatasett må samsvare med enten Weka ARFF-formatet eller CSV (kommaseparert variabel). CSV-filer må ha følgende funksjoner:
* må inkludere en overskriftsrad
* klasseattributt er opprinnelig satt som siste kolonne
>> Tving klasseattributt til nominell De fleste av DataLearners algoritmer forventer nominelle/kategoriske klasseattributter, og bruk av et numerisk klasseattributt vil føre til at de fleste algoritmer mislykkes. Den nye "force class attribute to nominal" overvinner dette, men nominelle klasseattributter med for mange distinkte verdier kan bruke for mye RAM.
*** NYHETER! DataLearner-forskning er valgt ut for presentasjon på ADMA 2019 (15th International Conference on Advanced Data Mining and Applications) og vil bli publisert i 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner har klassifiserings-, assosiasjons- og klyngealgoritmer fra åpen kildekode Weka (Waikato Environment for Knowledge Analysis)-pakken, pluss nye algoritmer utviklet av Data Science Research Unit (DSRU) ved Charles Sturt University. Kombinert gir appen 42 maskinlærings-/datautvinningsalgoritmer, inkludert RandomForest, C4.5 (J48) og NaiveBayes.
DataLearner samler ingen informasjon, den krever tilgang til enhetens lagringsplass bare for å laste inn datasettene og bygge maskinlæringsmodeller.
DataLearner blir brukt som et undervisningsverktøy i ITC573 Data and Knowledge Engineering-faget for mastergraden i informasjonsteknologi ved Charles Sturt University.
Få ressursene:
GPL3-lisensiert kildekode på Github: https://github.com/darrenyatesau/DataLearner
Rask video på YouTube: https://youtu.be/H-7pETJZf-g
Forskningsartikkel om arXiv: https://arxiv.org/abs/1906.03773
AusDM 2018 konferanseartikkel som startet DataLearner: https://www.researchgate.net/publication/331126867
Forskere, hvis du bruker denne appen i forskningsapplikasjoner, vennligst siter forskningsoppgavene ovenfor. Takk.
Maskinlæringsalgoritmer inkluderer:
Bayes BayesNet, NaiveBayes
Funksjoner Logistic, SimpleLogistic, MultiLayerPerceptron (nevralt nettverk)
Lazy IBk (K nærmeste naboer), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Regler konjunktiv regel, beslutningstabell, DTNB, JRip, OneR, PART, Ridor, ZeroR
Trær ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterers DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Associations Apriori, FilteredAssociator, FPGrowth
>> Hvor finner jeg datasettfiler? DataLearner kommer med et innebygd demo-datasett kalt 'rain.csv', men du finner også mange datasett på OpenML-nettstedet - inkludert det populære 'ecoli'-settet (https://www.openml.org). Last ned ARFF-versjonene til telefonen din og last dem inn i DataLearner for å bygge modeller fra. Se vår nye videoopplæring - https://www.youtube.com/watch?v=81tSbclMVT8
Denne programvaren leveres AS-IS - mens den har blitt testet, er det ingen garanti underforstått eller gitt.
