| Тип файлу | APK |
|---|---|
| Версія | 1.1.7 |
| Видавництво | Darren Yates |
| Дата випуску | 3 лист. 2019 р. |
| Дату додано | 3 лист. 2019 р. |
| Вимоги ОС | Android |
| Вимоги | Requires Android 4.4 and up |
| Загальна кількість завантажень | 4 |
| Завантаження на тиждень | 1 |
| Ціна | Free |
Опис
DataLearner — це простий у використанні інструмент для інтелектуального аналізу даних і виявлення знань із ваших власних сумісних навчальних наборів даних у форматі ARFF і CSV (* див. нижче). Він повністю автономний, не потребує зовнішнього накопичувача чи підключення до мережі, він створює моделі безпосередньо на вашому телефоні чи планшеті. Це не навчальний курс чи книга – це справжня програма інтелектуального аналізу даних на основі машинного навчання.
>> Підтримка ARFF і CSV Навчальні набори даних мають відповідати формату Weka ARFF або CSV (змінна, розділена комами). Файли CSV повинні мати такі функції:
* має містити рядок заголовка
* атрибут класу спочатку встановлено як останній стовпець
>> Примусово встановити номінальний атрибут класу Більшість алгоритмів DataLearner очікують номінальних/категорійних атрибутів класу, а використання числового атрибута класу призведе до збою більшості алгоритмів. Новий «примусовий атрибут класу до номінального» долає це, однак номінальні атрибути класу із занадто великою кількістю різних значень можуть використовувати забагато оперативної пам’яті.
*** НОВИНКИ! Дослідження DataLearner було відібрано для презентації на ADMA 2019 (15-й Міжнародній конференції з передового інтелектуального аналізу даних і програм) і буде опубліковано в «Конспектах лекцій зі штучного інтелекту» (Springer) ***
DataLearner містить алгоритми класифікації, асоціації та кластеризації з відкритого пакету Weka (середовище Waikato для аналізу знань), а також нові алгоритми, розроблені відділом дослідження даних (DSRU) Університету Чарльза Стерта. У сукупності програма надає 42 алгоритми машинного навчання/видобутку даних, включаючи RandomForest, C4.5 (J48) і NaiveBayes.
DataLearner не збирає жодної інформації, йому потрібен доступ до пам’яті вашого пристрою просто для завантаження наборів даних і створення моделей машинного навчання.
DataLearner використовується як навчальний інструмент у предметі ITC573 Data and Knowledge Engineering для отримання ступеня магістра інформаційних технологій в Університеті Чарльза Стерта.
Отримайте ресурси:
Вихідний код з ліцензією GPL3 на Github: https://github.com/darrenyatesau/DataLearner
Коротке відео на YouTube: https://youtu.be/H-7pETJZf-g
Дослідницька стаття про arXiv: https://arxiv.org/abs/1906.03773
Доповідь на конференції AusDM 2018, яка ініціювала DataLearner: https://www.researchgate.net/publication/331126867
Дослідники, якщо ви використовуєте цю програму в дослідницьких програмах, процитуйте дослідницькі статті вище. Спасибі.
Алгоритми машинного навчання включають:
Bayes BayesNet, NaiveBayes
Функції Logistic, SimpleLogistic, MultiLayerPerceptron (нейронна мережа)
Ледачий IBk (K найближчих сусідів), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Правила Кон’юнктивне правило, таблиця рішень, DTNB, JRip, OneR, PART, Ridor, ZeroR
Дерева ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Кластеристи DBSCAN, Максимізація очікувань (EM), Найдальші перші, FilteredClusterer, SimpleKMeans
Асоціації Apriori, FilteredAssociator, FPGrowth
>> Де знайти файли набору даних? DataLearner постачається з вбудованим демонстраційним набором даних під назвою «rain.csv», але ви також знайдете багато наборів даних на веб-сайті OpenML, включаючи популярний набір «ecoli» (https://www.openml.org). Завантажте версії ARFF на свій телефон і завантажте їх у DataLearner для створення моделей. Перегляньте наш новий відеопосібник - https://www.youtube.com/watch?v=81tSbclMVT8
Це програмне забезпечення постачається «ЯК Є» - хоча воно було перевірено, жодних гарантій не передбачається та не надається.
