| Tiedostotyyppi | APK |
|---|---|
| Versio | 1.1.7 |
| Kustantaja | Darren Yates |
| Julkaisupäivä | 3.11.2019 |
| Lisäyspäivämäärä | 3.11.2019 |
| Os vaatimukset | Android |
| Vaatimukset | Requires Android 4.4 and up |
| Latauksia yhteensä | 4 |
| Lataukset viikossa | 1 |
| Hinta | Free |
Kuvaus
DataLearner on helppokäyttöinen työkalu tiedon louhintaan ja tiedon löytämiseen omista yhteensopivista ARFF- ja CSV-muotoisista koulutustietojoukoista (* katso alla). Se on täysin itsenäinen, ei vaadi ulkoista tallennustilaa tai verkkoyhteyttä, se rakentaa malleja suoraan puhelimeesi tai tablet-laitteeseen. Tämä ei ole koulutuskurssi tai kirja - se on aito koneoppimiseen perustuva tiedonlouhintasovellus.
>> ARFF- ja CSV-tuki Koulutustietojoukkojen on oltava joko Weka ARFF -muodon tai CSV:n (pilkuilla eroteltu muuttuja) mukaisia. CSV-tiedostoilla on oltava seuraavat ominaisuudet:
* täytyy sisältää otsikkorivi
* class-attribuutti asetetaan alun perin viimeiseksi sarakkeeksi
>> Pakota luokkaattribuutti nimellisarvoon Useimmat DataLearnerin algoritmit odottavat nimellisiä/kategorisia luokkaattribuutteja, ja numeerisen luokkaattribuutin käyttö aiheuttaa useimpien algoritmien epäonnistumisen. Uusi 'force class attribuutti nominaaliin' voittaa tämän, mutta nimelliset luokkaattribuutit, joilla on liian monta eri arvoa, voivat kuluttaa liikaa RAM-muistia.
*** UUTISET! DataLearner-tutkimus on valittu esitettäväksi ADMA 2019:ssä (15th International Conference on Advanced Data Mining and Applications), ja se julkaistaan julkaisussa "Lecture Notes in Artificial Intelligence" (Springer) ***
DataLearner sisältää luokittelu-, assosiaatio- ja klusterointialgoritmit avoimen lähdekoodin Weka-paketista (Waikato Environment for Knowledge Analysis) sekä uusia algoritmeja, jotka on kehittänyt Charles Sturt -yliopiston Data Science Research Unit (DSRU). Yhdessä sovellus tarjoaa 42 koneoppimis-/tidanlouhintaalgoritmia, mukaan lukien RandomForest, C4.5 (J48) ja NaiveBayes.
DataLearner ei kerää tietoja, vaan se vaatii pääsyn laitteesi tallennustilaan yksinkertaisesti tietojoukkojen lataamista ja koneoppimismallien rakentamista varten.
DataLearneria käytetään opetusvälineenä ITC573 Data and Knowledge Engineering -aineessa Charles Sturt Universityn tietotekniikan maisterin tutkinnon suorittamiseen.
Hanki resurssit:
GPL3-lisensoitu lähdekoodi Githubissa: https://github.com/darrenyatesau/DataLearner
Pikavideo YouTubessa: https://youtu.be/H-7pETJZf-g
Tutkimuspaperi arXivista: https://arxiv.org/abs/1906.03773
AusDM 2018 -konferenssipaperi, joka käynnisti DataLearnerin: https://www.researchgate.net/publication/331126867
Tutkijat, jos käytät tätä sovellusta tutkimussovelluksissa, lainaa yllä olevia tutkimuspapereita. Kiitos.
Koneoppimisalgoritmeja ovat mm.
Bayes BayesNet, NaiveBayes
Toiminnot Logistic, SimpleLogistic, MultiLayerPerceptron (hermoverkko)
Lazy IBk (K lähimmät naapurit), KStar
Meta AdaBoostM1, Säkitys, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Säännöt Konjunktiivinen sääntö, päätöstaulukko, DTNB, JRip, OneR, PART, Ridor, ZeroR
Puut ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Klusterit DBSCAN, odotusten maksimointi (EM), kauimpana ensin, suodatettu klusteri, yksinkertainen KMeans
Yhdistykset Apriori, FilteredAssociator, FPGrowth
>> Mistä löytää tietojoukkotiedostoja? DataLearnerin mukana tulee sisäänrakennettu demotietojoukko nimeltä "rain.csv", mutta löydät myös runsaasti tietojoukkoja OpenML-verkkosivustolta - mukaan lukien suosittu "ecoli"-sarja (https://www.openml.org). Lataa ARFF-versiot puhelimeesi ja lataa ne DataLearneriin mallien rakentamista varten. Katso uusi opetusvideomme - https://www.youtube.com/watch?v=81tSbclMVT8
Tämä ohjelmisto toimitetaan SELLAISENAAN – kun se on testattu, takuuta ei anneta tai anneta.
