DataLearner - Data Mining Software for Android

Beschrijving van DataLearner - Data Mining Software for Android

DataleArner is een eenvoudig te gebruiken hulpmiddel voor datamining en kennisontdekking van uw eigen compatibele ARFF- en CSV-geformatteerde trainingsgegevens. Het is volledig ingesloten, vereist geen externe opslag- of netwerkconnectiviteit - het bouwt modellen rechtstreeks op uw telefoon of tablet.
>> Arff en CSV-ondersteuning
Trainingsgegevensets moeten CSV (komma-gescheiden variabele) of WEKA ARFF-formaat zijn.
CSV-bestanden moeten de volgende kenmerken hebben:
* Inclusief een header rij
* Klasse kenmerk is aanvankelijk ingesteld als laatste kolom
>> Force Class Attribuut aan Nominal
Most van de algoritmen van DataNearner verwachten dat nominale attributen van nominale / categorische klasse en het gebruik van een numeriek klassenattribuut veroorzaken, zullen de meeste algoritmen mislukken. Het nieuwe kenmerk op de nominale 'kenmerk op nominale' overwint dit, maar nominale klasse kenmerken met te veel verschillende waarden kunnen te veel ram gebruiken.
Datalearner is voorzien van classificatie, associatie en clusteringalgoritmen uit de open-source ka (Waikato-omgeving voor kennisanalyse) Pakket, plus nieuwe algoritmen ontwikkeld door de Data Science Research Unit (DSRU) in Charles Sturt University. Gecombineerd, biedt de app 42 Machine-Learning / Data-Mining-algoritmen, waaronder RandomForest, C4.5 (J48) en Naivebayes.
DataleArner verzamelt geen informatie - het vereist toegang tot uw apparaatopslag om eenvoudig uw datasets te laden en uw machine-leermodellen te bouwen.
* DataleArner wordt gebruikt als onderwijstool in de
ITC573 gegevens en kennis Engineering onderwerp
voor de Master of Information Technology Post-Graduate diploma in Charles Sturt University.
* Datalearner Research werd gepresenteerd bij ADMA 2019 (15e Internationale Conferentie over geavanceerde datamining en -toepassingen) en gepubliceerd in 'Lecture Notes in Artificial Intelligence '(Springer)
Haal de bronnen:
GPL3-gelicentieerde broncode op GitHub:
httpuaksdzq">httpuaksDzub.com/darrenyatenau/datalearner
Snelle video op YouTube:
HTTPS://YOUTU.BE/H-7PETJZF-G
Onderzoekspapier op ARXIV:
https://arxiv.org/abs/1906.03773
AUSDM 2018 Conferentiepapier dat DataleArner is geïnitieerd:
HTTPS: //www.researchGate.net/publication/331126867
Onderzoekers, als u deze app in onderzoektoepassingen gebruikt, neemt u de bovenstaande onderzoekspapers aan. Bedankt.
Machine-learning Algoritmen zijn onder andere:
• Bayes - Bayesnet, Naivebayes
• Functies - Logistiek, Simplelogistisch, MultilayerPerPTRON (Neuraal netwerk)
• Lazy - IBK (K Dichtstbijzijnde buren) , KStar
• Meta - Adabooostm1, Bagging, LogitBoost, Multiboostab, Random Comité, Randomsubspace, RotationForest
• Regels - Conjunctieve regel, Besluittabel, DTNB, Jrip, Oner, Part, Ridor, Zeror
• Bomen - Adtree, BFTREE, BUIMTUITENTOM, BOSSPA, J48 (C4.5), Ladtree, Willekeurig Bos, RandomTree, Reptree, SimpleCart, Spuarc, Sysfor.
• Clusterers - DBScan, Verwachting Maximalisatie (EM), verste-eerst, FilteredCluster , SimpleKMeans
• Verenigingen - Apriori, Filterdeassociator, FPGROOWTE
Disclaimer: Deze software wordt "AS-IS" geleverd - Hoewel het is getest, wordt geen garantie of garantie geïmpliceerd of gegeven. Gebruik het op eigen risico. Uw download van deze software laat zien dat u akkoord gaat met deze voorwaarden.