| Failitüüp | APK |
|---|---|
| Versioon | 1.1.7 |
| Kirjastaja | Darren Yates |
| Väljalaske kuupäev | 3. nov 2019 |
| Kuupäev lisatud | 3. nov 2019 |
| Os nõuded | Android |
| Nõuded | Requires Android 4.4 and up |
| Allalaadimisi kokku | 4 |
| Allalaadimised nädalas | 1 |
| Hind | Free |
Kirjeldus
DataLearner on hõlpsasti kasutatav tööriist andmete kaevandamiseks ja teadmiste avastamiseks teie enda ühilduvatest ARFF- ja CSV-vormingus koolitusandmetest (* vt allpool). See on täielikult iseseisev, ei vaja välist salvestusruumi ega võrguühendust, see loob mudelid otse teie telefoni või tahvelarvutisse. See ei ole koolituskursus ega raamat – see on ehtne masinõppel põhinev andmekaeverakendus.
>> ARFF-i ja CSV-tugi Koolituse andmestikud peavad vastama kas Weka ARFF-vormingule või CSV-le (komadega eraldatud muutuja). CSV-failidel peavad olema järgmised funktsioonid.
* peab sisaldama päise rida
* klassi atribuut on algselt seatud viimaseks veeruks
>> Klassi atribuudi sunnimine nominaalväärtusele Enamik DataLearneri algoritme eeldab nominaalseid/kategoorilisi klassiatribuute ja numbrilise klassiatribuudi kasutamine põhjustab enamiku algoritmide ebaõnnestumise. Uus 'force class atribuut nominaalile' ületab selle, kuid liiga paljude erinevate väärtustega nominaalklassi atribuudid võivad kulutada liiga palju RAM-i.
*** UUDISED! DataLearneri uurimistöö on valitud ADMA 2019 (15. rahvusvaheline täiustatud andmekaevandamise ja rakenduste konverents) esitlemiseks ja see avaldatakse ajakirjas "Tehisintellekti loengumärkmed" (Springer) ***
DataLearner sisaldab klassifitseerimise, seostamise ja rühmitamise algoritme avatud lähtekoodiga Weka (Waikato Environment for Knowledge Analysis) paketist ning uusi algoritme, mille on välja töötanud Charles Sturti ülikooli andmeteaduse uurimisüksus (DSRU). Üheskoos pakub rakendus 42 masinõppe/andmete kaevandamise algoritmi, sealhulgas RandomForest, C4.5 (J48) ja NaiveBayes.
DataLearner ei kogu teavet, vaid selleks on vaja juurdepääsu teie seadme salvestusruumile, et laadida andmekogusid ja luua masinõppe mudeleid.
DataLearnerit kasutatakse õppevahendina ITC573 andme- ja teadmistetehnoloogia õppeaines Charles Sturti ülikooli infotehnoloogia magistri kraadiõppes.
Hankige ressursse:
GPL3-litsentsiga lähtekood Githubis: https://github.com/darrenyatesau/DataLearner
Kiire video YouTube'is: https://youtu.be/H-7pETJZf-g
Uurimistöö arXivi kohta: https://arxiv.org/abs/1906.03773
AusDM 2018 konverentsiettekanne, mis käivitas DataLearneri: https://www.researchgate.net/publication/331126867
Teadlased, kui kasutate seda rakendust uurimisrakendustes, viidake ülaltoodud uurimistöödele. Aitäh.
Masinõppe algoritmid hõlmavad järgmist:
Bayes BayesNet, NaiveBayes
Funktsioonid Logistika, SimpleLogistic, MultiLayerPerceptron (närvivõrk)
Laisk IBk (K lähimad naabrid), KStar
Meta AdaBoostM1, kottimine, LogitBoost, MultiBoostAB, juhuslik komitee, RandomSubSpace, RotationForest
Reeglid Konjunktiivireegel, otsustustabel, DTNB, JRip, OneR, PART, Ridor, ZeroR
Puud ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Klastrid DBSCAN, ootuste maksimeerimine (EM), kaugeim-esimene, filtreeritud kobarad, lihtsad KMeans
Ühendused Apriori, FilteredAssociator, FPGrowth
>> Kust leida andmekogumifaile? DataLearneril on sisseehitatud demoandmekogum nimega 'rain.csv', kuid palju andmekogumeid leiate ka OpenML-i veebisaidilt, sealhulgas populaarse ecoli komplekti (https://www.openml.org). Laadige ARFF-i versioonid oma telefoni alla ja laadige need DataLearnerisse, et neist mudeleid luua. Vaadake meie uut videoõpetust – https://www.youtube.com/watch?v=81tSbclMVT8
See tarkvara tarnitakse sellisel kujul, nagu see on – kuni seda on testitud, ei kaasne ega anta sellele mingit garantiid.
