| Filtyp | APK |
|---|---|
| Version | 1.1.7 |
| Utgivare | Darren Yates |
| Utgivningsdatum | 3 nov. 2019 |
| Datum tillagt | 3 nov. 2019 |
| Os krav | Android |
| Krav | Requires Android 4.4 and up |
| Totalt antal nedladdningar | 4 |
| Nedladdningar per vecka | 1 |
| Pris | Free |
Beskrivning
DataLearner är ett lättanvänt verktyg för datautvinning och kunskapsupptäckt från dina egna kompatibla ARFF- och CSV-formaterade träningsdatauppsättningar (* se nedan). Den är helt fristående, kräver ingen extern lagring eller nätverksanslutning, den bygger modeller direkt på din telefon eller surfplatta. Det här är inte en kurs eller bok – det är en äkta maskininlärningsbaserad datautvinningsapp.
>> ARFF- och CSV-stöd Utbildningsdatauppsättningar måste överensstämma med antingen Weka ARFF-formatet eller CSV (kommaseparerad variabel). CSV-filer måste ha följande funktioner:
* måste innehålla en rubrikrad
* klassattribut är initialt satt som sista kolumn
>> Tvinga klassattribut till nominell De flesta av DataLearners algoritmer förväntar sig nominella/kategoriska klassattribut och att använda ett numeriskt klassattribut kommer att göra att de flesta algoritmer misslyckas. Det nya "force class attribute to nominal" övervinner detta, men nominella klassattribut med för många distinkta värden kan använda för mycket RAM.
*** NYHETER! DataLearner-forskning har valts ut för presentation vid ADMA 2019 (15th International Conference on Advanced Data Mining and Applications) och kommer att publiceras i 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner innehåller klassificerings-, associations- och klustringsalgoritmer från Weka-paketet med öppen källkod (Waikato Environment for Knowledge Analysis), plus nya algoritmer utvecklade av Data Science Research Unit (DSRU) vid Charles Sturt University. Tillsammans ger appen 42 algoritmer för maskininlärning/datautvinning, inklusive RandomForest, C4.5 (J48) och NaiveBayes.
DataLearner samlar ingen information det kräver åtkomst till din enhets lagring helt enkelt för att ladda dina datamängder och bygga dina maskininlärningsmodeller.
DataLearner används som ett läromedel i ämnet ITC573 Data and Knowledge Engineering för Master of Information Technology postgraduate degree vid Charles Sturt University.
Skaffa resurserna:
GPL3-licensierad källkod på Github: https://github.com/darrenyatesau/DataLearner
Snabbvideo på YouTube: https://youtu.be/H-7pETJZf-g
Forskningsuppsats om arXiv: https://arxiv.org/abs/1906.03773
AusDM 2018 konferensbidrag som initierade DataLearner: https://www.researchgate.net/publication/331126867
Forskare, om du använder den här appen i forskningsapplikationer, vänligen citera forskningsartiklarna ovan. Tack.
Maskininlärningsalgoritmer inkluderar:
Bayes BayesNet, NaiveBayes
Funktioner Logistic, SimpleLogistic, MultiLayerPerceptron (neuralt nätverk)
Lazy IBk (K Närmaste grannar), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Regler konjunktiv regel, beslutstabell, DTNB, JRip, OneR, PART, Ridor, ZeroR
Träd 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
>> Var hittar man datauppsättningsfiler? DataLearner kommer med en inbyggd demodatauppsättning som heter 'rain.csv', men du hittar också massor av datauppsättningar på OpenML-webbplatsen - inklusive den populära 'ecoli'-uppsättningen (https://www.openml.org). Ladda ner ARFF-versionerna till din telefon och ladda ner dem i DataLearner för att bygga modeller från. Se vår nya videohandledning - https://www.youtube.com/watch?v=81tSbclMVT8
Denna programvara levereras i befintligt skick - medan den har testats, varken garanti underförstås eller ges.
