| Vrsta datoteke | APK |
|---|---|
| Verzija | 1.1.7 |
| Izdavač | Darren Yates |
| Datum izlaska | 3. stu 2019. |
| Datum dodan | 3. stu 2019. |
| Os zahtjevi | Android |
| Zahtjevi | Requires Android 4.4 and up |
| Ukupno preuzimanja | 4 |
| Preuzimanja tjedno | 1 |
| Cijena | Free |
Opis
DataLearner je alat jednostavan za korištenje za rudarenje podataka i otkrivanje znanja iz vaših vlastitih kompatibilnih skupova podataka za obuku u ARFF i CSV formatu (* pogledajte dolje). Potpuno je samostalan, ne zahtijeva vanjsku pohranu ili mrežnu povezanost, izrađuje modele izravno na vašem telefonu ili tabletu. Ovo nije tečaj ili knjiga - to je prava aplikacija za rudarenje podataka temeljena na strojnom učenju.
>> Podrška za ARFF i CSV Skupovi podataka za obuku moraju odgovarati ili Weka ARFF formatu ili CSV (varijabla odvojena zarezom). CSV datoteke moraju imati sljedeće značajke:
* mora sadržavati redak zaglavlja
* atribut klase inicijalno je postavljen kao zadnji stupac
>> Prisilni atribut klase na nominalni Većina DataLearnerovih algoritama očekuje nominalne/kategoričke atribute klase, a korištenje numeričkog atributa klase uzrokovat će neuspjeh većine algoritama. Novi 'prisilni atribut klase na nominalni' to nadilazi, međutim, atributi nominalne klase s previše različitih vrijednosti mogu koristiti previše RAM-a.
*** NOVOSTI! Istraživanje DataLearnera odabrano je za predstavljanje na ADMA 2019 (15. međunarodna konferencija o naprednom rudarenju podataka i aplikacijama) i bit će objavljeno u 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner sadrži algoritme za klasifikaciju, pridruživanje i grupiranje iz Weka (Waikato Environment for Knowledge Analysis) paketa otvorenog koda, plus nove algoritme koje je razvila Jedinica za istraživanje znanosti o podacima (DSRU) na Sveučilištu Charles Sturt. U kombinaciji, aplikacija nudi 42 algoritma za strojno učenje/iskopavanje podataka, uključujući RandomForest, C4.5 (J48) i NaiveBayes.
DataLearner ne prikuplja informacije, potreban mu je pristup pohrani vašeg uređaja samo za učitavanje skupova podataka i izradu vaših modela strojnog učenja.
DataLearner se koristi kao nastavni alat u predmetu ITC573 Data and Knowledge Engineering za magisterij informacijske tehnologije na postdiplomskom studiju na Sveučilištu Charles Sturt.
Nabavite resurse:
Izvorni kod s GPL3 licencom na Githubu: https://github.com/darrenyatesau/DataLearner
Brzi video na YouTubeu: https://youtu.be/H-7pETJZf-g
Istraživački rad o arXiv-u: https://arxiv.org/abs/1906.03773
Dokument s konferencije AusDM 2018. koji je pokrenuo DataLearner: https://www.researchgate.net/publication/331126867
Istraživači, ako koristite ovu aplikaciju u istraživačkim aplikacijama, citirajte gore navedene istraživačke radove. Hvala.
Algoritmi strojnog učenja uključuju:
Bayes BayesNet, NaiveBayes
Funkcije Logistic, SimpleLogistic, MultiLayerPerceptron (neuralna mreža)
Lijeni IBk (K najbližih susjeda), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Pravila Konjunktivno pravilo, Tablica odluka, DTNB, JRip, OneR, PART, Ridor, ZeroR
Stabla ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Klastereri DBSCAN, maksimizacija očekivanja (EM), najdalje-prvi, filtrirani klasterer, SimpleKMeans
Asocijacije Apriori, FilteredAssociator, FPGrowth
>> Gdje pronaći datoteke skupa podataka? DataLearner dolazi s ugrađenim demo skupom podataka pod nazivom 'rain.csv', ali također ćete pronaći mnogo skupova podataka na web stranici OpenML - uključujući popularni skup 'ecoli' (https://www.openml.org). Preuzmite verzije ARFF-a na svoj telefon i učitajte ih u DataLearner za izradu modela. Pogledajte naš novi video vodič - https://www.youtube.com/watch?v=81tSbclMVT8
Ovaj softver se isporučuje KAKAV JEST - iako je testiran, ne podrazumijeva se niti daje nikakvo jamstvo.
