| Typ souboru | APK |
|---|---|
| Verze | 1.1.7 |
| Vydavatel | Darren Yates |
| Datum vydání | 3. 11. 2019 |
| Datum přidáno | 3. 11. 2019 |
| Os požadavky | Android |
| Požadavky | Requires Android 4.4 and up |
| Celkový počet stažení | 4 |
| Stahování za týden | 1 |
| Cena | Free |
Popis
DataLearner je snadno použitelný nástroj pro dolování dat a objevování znalostí z vašich vlastních kompatibilních tréninkových datových sad ve formátu ARFF a CSV (* viz níže). Je plně soběstačný, nevyžaduje žádné externí úložiště ani síťové připojení a staví modely přímo na vašem telefonu nebo tabletu. Toto není školicí kurz nebo kniha - je to skutečná aplikace pro dolování dat založená na strojovém učení.
>> Podpora ARFF a CSV Tréninkové datové sady musí odpovídat formátu Weka ARFF nebo CSV (proměnná oddělená čárkami). Soubory CSV musí mít následující funkce:
* musí obsahovat řádek záhlaví
* atribut class je zpočátku nastaven jako poslední sloupec
>> Vynutit atribut třídy na nominální Většina algoritmů DataLearner očekává nominální/kategorické atributy třídy a použití numerického atributu třídy způsobí selhání většiny algoritmů. Nový „atribut vynucené třídy na nominální“ toto překonává, avšak atributy nominální třídy s příliš mnoha odlišnými hodnotami mohou spotřebovat příliš mnoho paměti RAM.
*** NOVINKA! Výzkum DataLearner byl vybrán k prezentaci na ADMA 2019 (15. mezinárodní konference o pokročilém dolování dat a aplikacích) a bude zveřejněn v 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner obsahuje klasifikační, asociační a shlukovací algoritmy z open-source balíčku Weka (Waikato Environment for Knowledge Analysis) plus nové algoritmy vyvinuté Data Science Research Unit (DSRU) na Univerzitě Karlově Sturtovi. Společně aplikace poskytuje 42 algoritmů strojového učení/dolování dat, včetně RandomForest, C4.5 (J48) a NaiveBayes.
DataLearner neshromažďuje žádné informace, vyžaduje přístup k úložišti vašeho zařízení, aby jednoduše načetl vaše datové sady a vytvořil modely strojového učení.
DataLearner se používá jako výukový nástroj v předmětu ITC573 Data and Knowledge Engineering pro postgraduální studium Master of Information Technology na Univerzitě Karlově Sturtovi.
Získejte zdroje:
Zdrojový kód s licencí GPL3 na Github: https://github.com/darrenyatesau/DataLearner
Rychlé video na YouTube: https://youtu.be/H-7pETJZf-g
Výzkumný článek o arXiv: https://arxiv.org/abs/1906.03773
Konferenční příspěvek AusDM 2018, který inicioval DataLearner: https://www.researchgate.net/publication/331126867
Výzkumníci, pokud tuto aplikaci používáte ve výzkumných aplikacích, citujte výše uvedené výzkumné práce. Dík.
Algoritmy strojového učení zahrnují:
Bayes BayesNet, NaiveBayes
Funkce Logistic, SimpleLogistic, MultiLayerPerceptron (neuronová síť)
Lazy IBk (K Nearest Neighbours), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Pravidla Konjunktivní pravidlo, Rozhodovací tabulka, DTNB, JRip, OneR, PART, Ridor, ZeroR
Stromy ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterery DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Asociace Apriori, FilteredAssociator, FPGrowth
>> Kde najít soubory datových sad? DataLearner přichází s vestavěnou ukázkovou datovou sadou nazvanou „rain.csv“, ale spoustu datových sad najdete také na webu OpenML – včetně oblíbené sady „ecoli“ (https://www.openml.org). Stáhněte si verze ARFF do svého telefonu a nahrajte je do DataLearner, ze kterých můžete stavět modely. Podívejte se na náš nový video tutoriál - https://www.youtube.com/watch?v=81tSbclMVT8
Tento software je dodáván JAK JE - i když byl testován, není předpokládaná ani poskytována žádná záruka.
