DataLearner - Data Mining Software for Android

DataLearner - это простое в использовании инструмент для добычи полезных ископаемых и обнаружение знаний из собственной совместимой древесины наборах обучения ARFF и CSV. Это полностью автономно, не требует внешнего хранения или сетевого подключения - она ​​строит модели прямо на вашем телефоне или планшете.
>> ARFF и CSV Поддержка
Наборы учебных наборов должны быть либо CSV (Comma-разделенная переменная), либо формат Weka ARFF.
Файлы CSV должны иметь следующие функции:
* Включить ряд ряд
Щс. Атрибут класса изначально устанавливается в качестве последнего столбца
>> Атрибут класса Force для номинала
Большинство алгоритмов Datalearner ожидают номинальные / категориальные атрибуты классов и использование атрибута цифрового класса приведет к выводу, чтобы большинство алгоритмов не удалось. Новый «атрибут класса Close Class к номиналам» преодолевает это, однако, атрибуты номинального класса с слишком многими различными значениями могут использовать слишком много оперативных операций.
Datalearner Особенности классификации, ассоциации и кластеризации алгоритмов от открытого источника Weka (Окружающая среда Waikato для анализа знаний), а также новые алгоритмы, разработанные научно-исследовательским подразделением данных (DSRU) в Университете Чарльства. В комбинированном приложении приложение предоставляет 42 алгоритмам машиностроения / добычи данных, включая RandomForest, C4.5 (J48) и Naivebayes.
DataLearner не собирает информацию - это требует доступа к хранилищу вашего устройства просто для загрузки ваших наборов данных и создать свои модели обучения машину.
DataLearner используется в качестве учебного инструмента в
ITC573 данные и знания Тема инженерии
для магистра информационных технологий. Степень аспирантуры в Чарльском Стуртском университете.
* Исследование DataLearner было представлено в Adma 2019 (15-я Международная конференция по продвинутым добычам и приложениям и приложениям данных) и опубликована в «Лекция) Искусственный интеллект '(Springer)
Получить ресурсы:
GPL3 - лицензированный исходный код на GitHub:
https://github.com/darrenyatesau/datalearner
Быстрое видео на YouTube:
https://youtu.be/h-7petjzf-g
Научно-исследовательский документ на Arxiv:
https://arxiv.org/abs/1906.03773
ausdm 2018 Конференц-документ, который инициировал Datalearner:
Исследователи, если вы используете это приложение в исследовательских приложениях, пожалуйста, обратитесь к исследовательским документам выше. Спасибо.
Алгоритмы машинного обучения включают в себя:
• Bayes - Bayesnet, Naivebayes
• Функции - логистические, симплелогистические, многослойные, многослойные, многоуровневые)
• Lazy - IBK (K Ближайшие соседи) , Kstar
• Meta - Adaboostm1, Baging, Logitboost, MultiBoostab, Random, Randomsubspace, RotationForest
• Правила - конъюнктивное правило, таблица решений, DTNB, JRIP, ONER, часть, Ridor, zeror
• Деревья - Adtree, BFTREE, INICIVE, FORESTREE, J48 (C4.5), LATTTREE, Случайный лес, RandomTree, Reftree, SimpleCart, SpaArc, Sysfor.
• Кластерки - DBSCAN, Ожидание Максимизация (EM), Farthest - First, FilteredCluster , Simplekmeans
• Ассоциации - Apriori, FilteredAssociator, Fprowth
Отказ от ответственности: Это программное обеспечение поставляется «As-IS» - пока оно было проверено, гарантия или гарантия не подразумевают. Используйте его на свой страх и риск. Ваша загрузка этого программного обеспечения показывает, что вы согласны с этими условиями.