DataLearner - Data Mining Software for Android for Android APK

Նկարագրություն

DataLearner-ը հեշտ օգտագործվող գործիք է տվյալների արդյունահանման և գիտելիքների հայտնաբերման համար ձեր սեփական համատեղելի ARFF և CSV ձևաչափված ուսումնական տվյալների հավաքածուներից (* տես ստորև): Այն լիովին ինքնուրույն է, չի պահանջում արտաքին պահեստավորում կամ ցանցային միացում, այն մոդելներ է ստեղծում անմիջապես ձեր հեռախոսի կամ պլանշետի վրա: Սա վերապատրաստման դասընթաց կամ գիրք չէ, դա իրական մեքենայական ուսուցման վրա հիմնված տվյալների արդյունահանման ծրագիր է:

>> ARFF և CSV աջակցություն <<

Ուսուցման տվյալների հավաքածուները պետք է համապատասխանեն Weka ARFF ձևաչափին կամ CSV-ին (ստորակետերով բաժանված փոփոխական): CSV ֆայլերը պետք է ունենան հետևյալ հատկանիշները.

* պետք է ներառի վերնագրի տող

* class հատկանիշը սկզբում սահմանվել է որպես վերջին սյունակ

>> Ստիպել դասի հատկանիշը անվանական <<

DataLearner-ի ալգորիթմների մեծ մասն ակնկալում է անվանական/կատեգորիայի դասի ատրիբուտներ, և թվային դասի հատկանիշի օգտագործումը կհանգեցնի ալգորիթմների մեծ մասի ձախողմանը: Նոր «ուժի դասի հատկանիշը անվանականին» հաղթահարում է դա, սակայն չափից շատ տարբեր արժեքներով անվանական դասի ատրիբուտները կարող են սպառել չափազանց շատ RAM:

*** ԼՈՒՐԵՐ. DataLearner-ի հետազոտությունն ընտրվել է ADMA 2019-ում (15-րդ միջազգային կոնֆերանս՝ առաջադեմ տվյալների արդյունահանման և հավելվածների) ներկայացման համար և կհրապարակվի «Դասախոսությունների նոտաներ արհեստական ​​ինտելեկտում» (Springer) ***-ում:

DataLearner-ն առանձնացնում է դասակարգման, ասոցիացիայի և կլաստերավորման ալգորիթմներ բաց կոդով Weka (Waikato Environment for Knowledge Analysis) փաթեթից, ինչպես նաև նոր ալգորիթմներ, որոնք մշակվել են Չարլզ Ստորտի համալսարանի Տվյալների գիտության հետազոտական ​​բաժնի (DSRU) կողմից: Համակցված հավելվածը տրամադրում է մեքենայական ուսուցման/տվյալների մշակման 42 ալգորիթմ, ներառյալ RandomForest, C4.5 (J48) և NaiveBayes:

DataLearner-ը տեղեկատվություն չի հավաքում, որը պահանջում է մուտք գործել ձեր սարքի պահեստ՝ պարզապես ձեր տվյալների հավաքածուները բեռնելու և ձեր մեքենայական ուսուցման մոդելները կառուցելու համար:

DataLearner-ը օգտագործվում է որպես ուսուցման գործիք ITC573 Տվյալների և գիտելիքի ճարտարագիտություն առարկայի համար՝ Չարլզ Ստարթի համալսարանի տեղեկատվական տեխնոլոգիաների մագիստրոսի ասպիրանտուրայի համար:

Ստացեք ռեսուրսներ.

GPL3 լիցենզավորված աղբյուրի կոդը Github-ում՝ https://github.com/darrenyatesau/DataLearner

Արագ տեսանյութ YouTube-ում՝ https://youtu.be/H-7pETJZf-g

Հետազոտական ​​աշխատանք arXiv-ի վերաբերյալ՝ https://arxiv.org/abs/1906.03773

AusDM 2018 կոնֆերանսի փաստաթուղթ, որը նախաձեռնել է DataLearner-ը՝ https://www.researchgate.net/publication/331126867

Հետազոտողներ, եթե դուք օգտագործում եք այս հավելվածը հետազոտական ​​ծրագրերում, խնդրում ենք մեջբերել վերը նշված հետազոտական ​​աշխատանքները: Շնորհակալություն։

Մեքենայի ուսուցման ալգորիթմները ներառում են.

Bayes BayesNet, NaiveBayes

Functions Logistic, SimpleLogistic, MultiLayerPerceptron (Նյարդային ցանց)

Lazy IBk (K Nearest Neighbours), KStar

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

Կանոնների կապակցական կանոն, որոշումների աղյուսակ, DTNB, JRip, OneR, PART, Ridor, ZeroR

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

Կլաստերներ DBSCAN, Ակնկալիքների մաքսիմիզացում (EM), Ամենահեռավոր-Առաջին, Զտված Կլաստեր, SimpleKMeans

Ասոցիացիաներ Apriori, FilteredAssociator, FPGrowth

>> Որտեղ գտնել տվյալների հավաքածուի ֆայլերը: <<

DataLearner-ը գալիս է ներկառուցված ցուցադրական տվյալների հավաքածուով, որը կոչվում է «rain.csv», բայց դուք կգտնեք նաև բազմաթիվ տվյալների հավաքածուներ OpenML կայքում, ներառյալ հայտնի «ecoli» հավաքածուն (https://www.openml.org): Ներբեռնեք ARFF-ի տարբերակները ձեր հեռախոսում և բեռնեք դրանք DataLearner-ում՝ մոդելներ ստեղծելու համար: Դիտեք մեր նոր տեսահոլովակը - https://www.youtube.com/watch?v=81tSbclMVT8

Այս ծրագրաշարը տրամադրվում է AS-IS. քանի դեռ այն փորձարկվել է, երաշխիք չի ենթադրվում կամ տրվում: