| Typ súboru | APK |
|---|---|
| Verzia | 1.1.7 |
| Vydavateľ | Darren Yates |
| Dátum vydania | 3. 11. 2019 |
| Dátum pridania | 3. 11. 2019 |
| Požiadavky OS | Android |
| Požiadavky | Requires Android 4.4 and up |
| Celkový počet stiahnutí | 4 |
| Stiahnutie za týždeň | 1 |
| cena | Free |
Popis
DataLearner je ľahko použiteľný nástroj na dolovanie údajov a objavovanie znalostí z vašich vlastných kompatibilných tréningových dátových súborov vo formáte ARFF a CSV (* pozri nižšie). Je plne sebestačný, nevyžaduje žiadne externé úložisko ani sieťové pripojenie a vytvára modely priamo na vašom telefóne alebo tablete. Toto nie je školiaci kurz alebo kniha - je to skutočná aplikácia na dolovanie údajov založená na strojovom učení.
>> Podpora ARFF a CSV Tréningové dátové sady musia zodpovedať formátu Weka ARFF alebo CSV (premenná oddelená čiarkou). Súbory CSV musia mať nasledujúce funkcie:
* musí obsahovať riadok hlavičky
* atribút class je pôvodne nastavený ako posledný stĺpec
>> Vynútiť atribút triedy nominálnym Väčšina algoritmov DataLearner očakáva nominálne/kategorické atribúty triedy a použitie atribútu numerickej triedy spôsobí zlyhanie väčšiny algoritmov. Nový „atribút vynútenej triedy k nominálnej“ to prekonáva, avšak atribúty nominálnej triedy s príliš veľkým počtom odlišných hodnôt môžu zaberať príliš veľa pamäte RAM.
*** NOVINKA! Výskum DataLearner bol vybraný na prezentáciu na ADMA 2019 (15. medzinárodná konferencia o pokročilom dolovaní dát a aplikáciách) a bude publikovaný v 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner obsahuje klasifikačné, asociačné a klastrovacie algoritmy z open-source balíka Weka (Waikato Environment for Knowledge Analysis), plus nové algoritmy vyvinuté Data Science Research Unit (DSRU) na Univerzite Charlesa Sturta. Spolu aplikácia poskytuje 42 algoritmov strojového učenia/dolovania údajov vrátane RandomForest, C4.5 (J48) a NaiveBayes.
DataLearner nezhromažďuje žiadne informácie, vyžaduje prístup k úložisku vášho zariadenia, aby jednoducho načítal vaše súbory údajov a zostavoval modely strojového učenia.
DataLearner sa používa ako vyučovací nástroj v predmete ITC573 Dátové a znalostné inžinierstvo pre postgraduálne štúdium Master of Information Technology na Univerzite Charlesa Sturta.
Získajte zdroje:
Zdrojový kód s licenciou GPL3 na Github: https://github.com/darrenyatesau/DataLearner
Rýchle video na YouTube: https://youtu.be/H-7pETJZf-g
Výskumný dokument o arXiv: https://arxiv.org/abs/1906.03773
Príspevok z konferencie AusDM 2018, ktorý inicioval DataLearner: https://www.researchgate.net/publication/331126867
Výskumníci, ak používate túto aplikáciu vo výskumných aplikáciách, citujte vyššie uvedené výskumné práce. Vďaka.
Algoritmy strojového učenia zahŕňajú:
Bayes BayesNet, NaiveBayes
Funkcie Logistic, SimpleLogistic, MultiLayerPerceptron (neurónová sieť)
Lazy IBk (K Najbližší susedia), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Pravidlá Konjunktívne pravidlo, Rozhodovacia tabuľka, DTNB, JRip, OneR, PART, Ridor, ZeroR
Stromy ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterery DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Asociácie Apriori, FilteredAssociator, FPGrowth
>> Kde nájsť súbory datasetov? DataLearner je dodávaný so vstavaným demo súborom údajov s názvom „rain.csv“, ale množstvo súborov údajov nájdete aj na webovej stránke OpenML – vrátane populárneho súboru „ecoli“ (https://www.openml.org). Stiahnite si verzie ARFF do svojho telefónu a nahrajte ich do DataLearner, z ktorých môžete zostavovať modely. Pozrite si náš nový videonávod - https://www.youtube.com/watch?v=81tSbclMVT8
Tento softvér sa dodáva AKO JE - aj keď bol testovaný, neposkytuje sa naň žiadna záruka.
