| Bestandstype | APK |
|---|---|
| Versie | 1.1.7 |
| Uitgever | Darren Yates |
| Datum van publicatie | 3 nov 2019 |
| Datum toegevoegd | 3 nov 2019 |
| OS-vereisten | Android |
| Voorwaarden | Requires Android 4.4 and up |
| Totaal aantal downloads | 4 |
| Downloads per week | 1 |
| Prijs | Free |
Omschrijving
DataLearner is een gebruiksvriendelijke tool voor datamining en kennisontdekking van uw eigen compatibele ARFF- en CSV-geformatteerde trainingsdatasets (* zie hieronder). Het is volledig op zichzelf staand, vereist geen externe opslag of netwerkconnectiviteit en bouwt modellen rechtstreeks op uw telefoon of tablet. Dit is geen training of boek - het is een echte op machine learning gebaseerde datamining-app.
>> ARFF- en CSV-ondersteuning Trainingsdatasets moeten voldoen aan het Weka ARFF-formaat of CSV (comma-separated variable). CSV-bestanden moeten de volgende kenmerken hebben:
* moet een koprij bevatten
* class attribuut is aanvankelijk ingesteld als laatste kolom
>> Klassenattribuut forceren op nominaal De meeste algoritmen van DataLearner verwachten nominale/categorische klasseattributen en het gebruik van een numeriek klasseattribuut zal ervoor zorgen dat de meeste algoritmen falen. Het nieuwe 'force class attribuut to nominaal' overwint dit, maar nominale klasseattributen met te veel verschillende waarden kunnen te veel RAM in beslag nemen.
*** NIEUWS! DataLearner-onderzoek is geselecteerd voor presentatie op ADMA 2019 (15e internationale conferentie over geavanceerde datamining en toepassingen) en zal worden gepubliceerd in 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner bevat algoritmen voor classificatie, associatie en clustering van het open-source Weka-pakket (Waikato Environment for Knowledge Analysis), plus nieuwe algoritmen die zijn ontwikkeld door de Data Science Research Unit (DSRU) van de Charles Sturt University. Gecombineerd biedt de app 42 algoritmen voor machine learning/datamining, waaronder RandomForest, C4.5 (J48) en NaiveBayes.
DataLearner verzamelt geen informatie waarvoor toegang tot uw apparaatopslag nodig is, simpelweg om uw datasets te laden en uw machine learning-modellen te bouwen.
DataLearner wordt gebruikt als leermiddel in het vak ITC573 Data and Knowledge Engineering voor de postdoctorale opleiding Master of Information Technology aan de Charles Sturt University.
Verkrijg de middelen:
GPL3-gelicentieerde broncode op Github: https://github.com/darrenyatesau/DataLearner
Korte video op YouTube: https://youtu.be/H-7pETJZf-g
Onderzoeksdocument over arXiv: https://arxiv.org/abs/1906.03773
AusDM 2018-conferentiepaper die DataLearner initieerde: https://www.researchgate.net/publication/331126867
Onderzoekers, als u deze app in onderzoekstoepassingen gebruikt, citeer dan de onderzoekspapers hierboven. Bedankt.
Machine learning-algoritmen omvatten:
Bayes BayesNet, NaiveBayes
Functies Logistic, SimpleLogistic, MultiLayerPerceptron (Neural Network)
Lazy IBk (K Dichtstbijzijnde Buren), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Regels Conjunctieve regel, Beslissingstabel, DTNB, JRip, OneR, PART, Ridor, ZeroR
Bomen ADtree, BFtree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterers DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Associaties Apriori, FilteredAssociator, FPGrowth
>> Waar vind je datasetbestanden? DataLearner wordt geleverd met een ingebouwde demo-dataset genaamd 'rain.csv', maar je vindt ook tal van datasets op de OpenML-website - inclusief de populaire 'ecoli'-set (https://www.openml.org). Download de ARFF-versies naar uw telefoon en laad ze in DataLearner om modellen van te bouwen. Bekijk onze nieuwe video-tutorial - https://www.youtube.com/watch?v=81tSbclMVT8
Deze software wordt AS-IS geleverd - hoewel het is getest, wordt er geen garantie geïmpliceerd of gegeven.
