DataLearner - Data Mining Software for Android

คำอธิบายของ DataLearner - Data Mining Software for Android

DataLearner เป็นเครื่องมือที่ใช้งานง่ายสำหรับการทำเหมืองข้อมูลและการค้นพบความรู้จากชุดข้อมูลการฝึกอบรมที่ใช้งานได้กับ ARFF และ CSV ที่เข้ากันได้กับของคุณเอง มันอยู่ในตัวเองอย่างเต็มที่ต้องไม่มีที่เก็บข้อมูลภายนอกหรือการเชื่อมต่อเครือข่าย - มันสร้างแบบจำลองโดยตรงบนโทรศัพท์หรือแท็บเล็ตของคุณ
>> สนับสนุน ARFF และ CSV
ชุดข้อมูลการฝึกอบรมต้องเป็น CSV (ตัวแปรคั่นด้วยเครื่องหมายจุลภาค) หรือรูปแบบ Weka ARFF
ไฟล์ CSV ต้องมีคุณสมบัติต่อไปนี้:
* รวมถึงแถวส่วนหัว
แอตทริบิวต์คลาส * เริ่มต้นเป็นคอลัมน์สุดท้าย
>> บังคับใช้แอตทริบิวต์ class เพื่อระบุ
มากที่สุด อัลกอริทึมของ Datalearner คาดว่าคุณลักษณะของคลาสที่ระบุ / หมวดหมู่และการใช้แอตทริบิวต์ระดับตัวเลขจะทำให้อัลกอริทึมส่วนใหญ่ล้มเหลว คุณสมบัติ 'Force Class to Nominal' ใหม่เอาชนะได้อย่างไรก็ตามแอตทริบิวต์คลาสเล็กน้อยที่มีค่าที่แตกต่างกันมากเกินไปอาจใช้ RAM มากเกินไป
Datalearner คุณสมบัติการจัดหมวดหมู่การเชื่อมโยงและอัลกอริทึมการจัดกลุ่มจากโอเพนซอร์ส Weka (สภาพแวดล้อมของ Waikato เพื่อการวิเคราะห์ความรู้) แพคเกจรวมทั้งอัลกอริทึมใหม่ที่พัฒนาโดยหน่วยวิจัยวิทยาศาสตร์ข้อมูล (DSRU) ที่ Charles Sturt University รวมแอพนี้มี 42 อัลกอริทึมการเรียนรู้ / การทำเหมืองข้อมูลรวมถึงสุ่มสุ่ม C4.5 (J48) และ NaiveBayes
DataLearner รวบรวมข้อมูลไม่มีการเข้าถึงที่เก็บข้อมูลอุปกรณ์ของคุณเพียงเพื่อโหลดชุดข้อมูลของคุณและสร้างโมเดลการเรียนรู้เครื่องของคุณ
* DataLearner ถูกใช้เป็นเครื่องมือในการสอนใน
ITC573 ข้อมูลและความรู้ วิชาวิศวกรรม
สำหรับปริญญาโทเทคโนโลยีสารสนเทศระดับปริญญาตรีที่ Charles Sturt University
* การวิจัย DataLearner ถูกนำเสนอที่ ADMA 2019 (การประชุมนานาชาติครั้งที่ 15 เกี่ยวกับการขุดข้อมูลขั้นสูงและแอปพลิเคชัน) และเผยแพร่ใน 'บันทึกการบรรยายใน ปัญญาประดิษฐ์ '(Springer)
รับทรัพยากร:
GPL3 - รหัสที่มาที่ได้รับอนุญาตจาก GitHub:
https://github.com/Darrenyatesau/datalearnerner
วิดีโอด่วนบน YouTube:
https://youtu.be/h-7petjzf-g
งานวิจัยเกี่ยวกับ Arxiv:
HTTPS://arxiv.org/ABS/1906.03773
AUSDM 2018 กระดาษการประชุมที่ริเริ่ม DataLearner:
นักวิจัยถ้าคุณใช้แอพนี้ในการวิจัยแอปพลิเคชันโปรดอ้างอิงเอกสารการวิจัยด้านบน ขอบคุณ
อัลกอริทึมการเรียนรู้เครื่องรวมถึง:
• Bayes - Bayesnet, NaiveBayes
•ฟังก์ชั่น - โลจิสติก, SimpleLogistic, Multilayerperctron (Neural Network)
• Lazy - IBK (K เพื่อนบ้านที่ใกล้ที่สุด) , KSTAR
• Meta - adaboostm1, การบรรจุ, logitboost, multiboostab, คณะกรรมการสุ่ม, randomsubspace, การหมุนเวียน
กฎ - กฎ - กฎ conjunctive, ตารางการตัดสินใจ, dtnb, jrip, oner, ส่วน, ridor, zeror
ต้นไม้ - adtree, BFTree, Decisionstump, Forestpa, J48 (C4.5), Ladtree, สุ่มป่า, Randomtree, Reptree, SimpleCart, SPAECC, SYSFor.
• DBSCAN, การคาดการณ์การเพิ่มสูงสุด (EM), Forsthization , simplekmeans
•สมาคม - Apriori, Filteredassociator, FPGrowth
การปฏิเสธความรับผิด: ซอฟต์แวร์นี้ให้มา "AS-IS" - ในขณะที่ได้รับการทดสอบแล้วไม่มีการรับประกันหรือการรับประกันโดยนัย ใช้กับความเสี่ยงของคุณเอง การดาวน์โหลดซอฟต์แวร์นี้ของคุณแสดงให้เห็นว่าคุณเห็นด้วยกับข้อกำหนดเหล่านี้