DataLearner - Data Mining Software for Android

DataLearner là một công cụ dễ sử dụng để khai thác dữ liệu và khám phá kiến ​​thức từ bộ dữ liệu đào tạo định dạng ARFF và CSV tương thích của riêng bạn. Nó hoàn toàn khép kín, không yêu cầu lưu trữ ngoài hoặc kết nối mạng - nó xây dựng các mô hình trực tiếp trên điện thoại hoặc máy tính bảng của bạn.
>> ARFF và Hỗ trợ CSV
Bộ dữ liệu đào tạo phải là CSV (biến được phân tách bằng dấu phẩy) hoặc định dạng WAKA ARFF.
Các tệp CSV phải có các tính năng sau:
* Bao gồm một hàng tiêu đề
* Thuộc tính lớp ban đầu được đặt là cột cuối cùng
>> Thuộc tính lớp Force cho danh nghĩa
nhất Của các thuật toán của DataLearner sẽ mong đợi các thuộc tính lớp danh nghĩa / phân loại và sử dụng thuộc tính lớp số sẽ khiến hầu hết các thuật toán bị lỗi. Tuy nhiên, thuộc tính Class Lớp 'mới đối với tính năng này để khắc phục điều này, tuy nhiên, các thuộc tính lớp danh nghĩa với quá nhiều giá trị khác biệt có thể sử dụng quá nhiều RAM.
DataLearner có tính năng phân loại, liên kết và thuật toán phân cụm từ Weka nguồn mở (Môi trường Waikato để phân tích tri thức), cộng với các thuật toán mới được phát triển bởi Đơn vị nghiên cứu khoa học dữ liệu (DSRU) tại Đại học Charles Sturt. Kết hợp, ứng dụng cung cấp 42 thuật toán khai thác dữ liệu / học tập, bao gồm RandorForest, C4.5 (J48) và NIENBAYES.
DataLearner Thu thập không có thông tin - Nó yêu cầu quyền truy cập vào bộ lưu trữ thiết bị của bạn chỉ cần tải bộ dữ liệu của bạn và xây dựng các mô hình học máy của bạn.
* DataLearner đang được sử dụng làm công cụ giảng dạy trong
ITC573 Dữ liệu và kiến ​​thức Chủ đề kỹ thuật
Đối với Thạc sĩ Công nghệ thông tin Bằng sau đại học sau đại học tại Đại học Charles Sturt.
* Nghiên cứu DataLearner đã được trình bày tại ADMA 2019 (Hội nghị quốc tế thứ 15 về khai thác và ứng dụng dữ liệu nâng cao) và được công bố trong 'ghi chú bài giảng trong Trí tuệ nhân tạo '(Springer)
Lấy tài nguyên:
Mã nguồn được cấp phép GPL3 trên GitHub:
Video nhanh trên YouTube:
https://youtu.be/h-7petjzf-g
Giấy nghiên cứu trên ARXIV:
AUSDM 2018 Giấy hội nghị khởi xướng Dateolearner:
https"> https"> https //www.researchgate.net/publication/331126867
Các nhà nghiên cứu, nếu bạn sử dụng ứng dụng này trong các ứng dụng nghiên cứu, vui lòng trích dẫn các bài nghiên cứu ở trên. Cảm ơn.
Thuật toán học máy bao gồm:
• Bayes - Bayesnet, NaiveBayes
• Chức năng - Logistic, SimpleLogistic, MultilayerpercePtron (Mạng thần kinh)
• Lazy - IBK (K hàng xóm gần nhất) , KSTAR
• META - adabooostm1, đóng gói, logitboost, multiboostab, Ủy ban ngẫu nhiên, Randumsubspace, XoayForest
• Quy tắc - Quy tắc kết hợp, Bảng quyết định, DTNB, JRIP, Oner, Zeror, Zeror
• Cây - Adtree, BFtree, Recogntump, J48 (C4.5), Ladtree, Rừng ngẫu nhiên, RandreeTree, Reptree, Simplecart, SpaArc, SYSFOR.
• Cụm (DBSCAN, tối đa hóa kỳ vọng (EM), Forthest-Precluster , Simplekmeans
• Hiệp hội - Apriori, Filteredassocatert, FPGrowth
Tuyên bố miễn trừ trách nhiệm: Phần mềm này được cung cấp "as-is" - trong khi nó đã được thử nghiệm, không có bảo hành hoặc bảo lãnh được đưa ra hoặc đưa ra. Sử dụng nó có nguy cơ của riêng bạn. Việc bạn tải xuống phần mềm này cho thấy bạn đồng ý với các điều khoản này.