DataLearner - Data Mining Software for Android

DataLearner ist ein benutzerfreundliches Werkzeug für Data Mining und Knowledge Discovery von Ihren eigenen kompatiblen Arff- und CSV-formatierten Trainingsatasets. Es ist völlig in sich geschlossen, erfordert keinen externen Speicher- oder Netzwerkkonnektivität - er baut Modelle direkt auf Ihrem Telefon oder Tablet auf.
>> Arff- und CSV-Support
Training Datensätze müssen entweder CSV (Comma-separated Variable) oder WEKA ARFF-Format sein.
CSV-Dateien müssen folgende Funktionen haben:
* Include einer Header-Zeile
* Das Attribut des Klassenattributs wird zunächst als letzte Spalte festgelegt
>> Ziehklasse-Attribut an Nominal
am meisten Von den Algorithmen von DataLearners erwarten Sie nominale / kategorische Klassenattribute und verwenden mit einem numerischen Klassenattribut, dass die meisten Algorithmen fehlschlagen. Das neue 'Force Class-Attribut an nominal' -Funktion überwindet dies, jedoch können Nennklassattribute mit zu vielen unterschiedlichen Werten zu viel RAM verwenden.
DataLearner Funktionen Klassifizierung, Assoziation und Clustering-Algorithmen aus der Open-Source-WEKA (Waikato-Umgebung für Wissensanalyse) Paket, sowie neue Algorithmen, die von der Data Science Research Unit (DSRU) der Charles Sturts University entwickelt wurden. Kombiniert, bietet die App 42 Machine-Learning / Data-Mining-Algorithmen, einschließlich Randomforest, C4.5 (J48) und NaiveBayes.
DataLearner sammelt keine Informationen - es erfordert Zugriff auf Ihren Gerätespeicher, um Ihre Datensätze einfach zu laden und Ihre Maschinenlernmodelle aufzubauen.
* DataLearner wird als Unterrichtswerkzeug in
ITC573 Daten und Wissen Ingenieurteil
für den Master of Information Technology Post-Graduate-Abschluss an der Charles Sturts University.
* DataLearner Research wurde auf der ADMA 2019 (15. Internationale Konferenz über erweiterte Datenberg- und Anwendungen) präsentiert und in 'Vorlesungsnotizen in Künstliche Intelligenz '(Springer)
Holen Sie sich die Ressourcen:
GPL3-lizenzierte Quellcode auf Github:
HTTPS://github.com/darrenyateau/datalearner
Schnelles Video auf youtube:
https://youtu.be/h-7petjzf-g
Forschungspapier auf Arxiv:
Https://arxiv.org/abs/1906.03773
ausdm 2018 Konferenzpapier, das DataLearner initiiert hat:
HTTPS: //www.researchgate.net/publication/331126867
Forscher, Wenn Sie diese App in Research-Anwendungen verwenden, zitieren Sie bitte die oben genannten Forschungspapiere. Vielen Dank.
Machine-Learning-Algorithmen gehören:
• Bayes - BayesNet, NaiveBayes
• Funktionen - Logistik, SimpleLogistic, MultilayerpercePtron (neuronales Netzwerk)
• Lazy - IBK (k nächster Nachbarn) , KStar
• Meta - ADABOOSTM1, RADGING, Logitboost, Multiboostab, Zufallsausschuss, RandomSubspace, Rotationforest, • Regeln - Verbindungsregel, Entscheidungstabelle, DTNB, JRIP, ONER, Teil, Rimor, Zeror
• Bäume - Adtree, Bftree, DeconStump, Forestpa, J48 (C4.5), Ladree, zufälliger Wald, ZufallTree, Repree, Simplecart, Spaarc, Sysfor.
• Clusterers - DBSCAN, Erwartungsmaximierung (EM), am weitesten , SimplekMmeans
• Assoziationen - Apriori, Filteredassociator, FPWowth
Haftungsausschluss: Diese Software wird geliefert "AS-IS" - Während es getestet wurde, ist keine Garantie oder Garantie impliziert oder gegeben. Verwenden Sie es auf eigene Gefahr. Ihr Download dieser Software zeigt, dass Sie diesen Bedingungen zustimmen.