DataLearner - Data Mining Software for Android

DataAlearner es una herramienta fácil de usar para la minería de datos y el descubrimiento de conocimientos de su propio ARFF compatible y conjuntos de datos de capacitación con formato de CSV. Es totalmente autónomo, no requiere un almacenamiento externo ni conectividad de red: construye modelos directamente en su teléfono o tableta.
>> ARFF y Soporte de CSV
Los conjuntos de datos de entrenamiento deben ser CSV (variable separada por comas) o formato Weka ARFF.
Los archivos CSV deben tener las siguientes funciones: * Incluya una fila de encabezado
* El atributo de clase se establece inicialmente como la última columna
>> Force Class Attribute a nominal
más De los algoritmos de DataLearner, esperan atributos nominales / clases categóricos y el uso de un atributo de clase numérico hará que la mayoría de los algoritmos falle. Sin embargo, la nueva característica de 'Atributo de la Clase de Fuerza a la "Force' supera esto, sin embargo, los atributos de clase nominal con demasiados valores distintos pueden usar demasiado RAM.
DATEALEARNER FOURSE CLASIFICACIÓN, ASOCIA Y CRUSTING ALGORITMOS DE LA FUENTE ABIERTA WEKA (Waikato entorno para el análisis del conocimiento) Paquete, además de nuevos algoritmos desarrollados por la Unidad de Investigación de Data Science (DSRU) en la Universidad Charles Sturt. Combinado, la aplicación proporciona 42 algoritmos de aprendizaje automático / minería de datos, incluidos el auminar, C4.5 (J48) y NaiveBayes.
DATEALEARNER SIN INFORMACIÓN: Requiere acceso a su almacenamiento de dispositivos simplemente para cargar sus conjuntos de datos y construir sus modelos de aprendizaje automática.
* DATEALEARNER se está utilizando como herramienta de enseñanza en el
Datos y conocimientos de ITC573 Asunto de la ingeniería
para el maestro de la tecnología de la información posgrado en la Universidad de Charles Sturt.
* La investigación de DataLearner se presentó en ADMA 2019 (15ª Conferencia Internacional sobre Minería y Aplicaciones de Datos Avanzadas) y publicado en 'Notas de la conferencia en Inteligencia artificial '(Springer)
Obtenga los recursos:
GPL3 con licencia Código fuente en GitHub:
https://github.com/dorrenyatesau/datalearner
Video rápido en YouTube:
https://youtu.be/h-7petjzf-g
Documento de investigación sobre Arxiv:
https://arxiv.org/abs/1906.03773
AUSDM 2018 Papel de conferencia que inició DataElearner:
https: //www.researchgate.net/publication/331126867
Investigadores, si usa esta aplicación en las solicitudes de investigación, cite los documentos de investigación anteriores. Gracias.
Algoritmos de aprendizaje de máquinas incluyen:
• Bayes - Bayesnet, NaiveBayes
• Funciones - Logística, Simplelogística, MultilayerPercePtron (red neuronal)
• Lazy - Ibk (k vecinos más cercanos) , Kstar
• Meta - AdaboostM1, Embalaje, LogitBoost, Multiboostab, Comité aleatorio, Randomsubspace, RotationForest
• Reglas - Regla conjuntiva, Tabla de decisiones, DTNB, JRAP, Onner, Parte, Rideor, Zeror
• Árboles - ADTREE, BFTREE, Decisión, ForestPA, J48 (C4.5), Ladtree, Forest Random, SpAcTree, Spatee, SIMPLECART, SPAARC, SYSFOR.
• CLUSTERSOS - DBSCAN, Maximización de expectativas (EM), Farthest-First, FilteredClusterer , Simplekmeans
• Asociaciones - Apriori, filteredassociator, FPGrowth
Descargo de responsabilidad: Este software se suministra "As-Is", mientras que se ha probado, no se implica ni se le implica ninguna garantía ni garantía. Úselo bajo su propio riesgo. Su descarga de este software muestra que acepta estos términos.