| Jenis fail | APK |
|---|---|
| Versi | 1.1.7 |
| Penerbit | Darren Yates |
| Tarikh pelepasan | 3 Nov 2019 |
| Tarikh ditambahkan | 3 Nov 2019 |
| Keperluan Os | Android |
| Keperluan | Requires Android 4.4 and up |
| Jumlah muat turun | 4 |
| Muat turun setiap minggu | 1 |
| Harga | Free |
Penerangan
DataLearner ialah alat yang mudah digunakan untuk perlombongan data dan penemuan pengetahuan daripada set data latihan berformat ARFF dan CSV anda yang serasi (* lihat di bawah). Ia serba lengkap, tidak memerlukan storan luaran atau sambungan rangkaian, ia membina model terus pada telefon atau tablet anda. Ini bukan kursus latihan atau buku - ia adalah aplikasi perlombongan data berasaskan pembelajaran mesin yang tulen.
>> Kumpulan data latihan sokongan ARFF dan CSV mesti mematuhi sama ada format Weka ARFF atau CSV (pembolehubah dipisahkan koma). Fail CSV mesti mempunyai ciri berikut:
* mesti termasuk baris pengepala
* atribut kelas pada mulanya ditetapkan sebagai lajur terakhir
>> Paksa atribut kelas kepada nominal Kebanyakan algoritma DataLearner menjangkakan atribut kelas nominal/kategori dan menggunakan atribut kelas angka akan menyebabkan kebanyakan algoritma gagal. 'Atribut kelas paksa kepada nominal' yang baharu mengatasi ini, namun, atribut kelas nominal dengan nilai yang terlalu banyak boleh menggunakan terlalu banyak RAM.
*** BERITA! Penyelidikan DataLearner telah dipilih untuk pembentangan di ADMA 2019 (Persidangan Antarabangsa ke-15 tentang Perlombongan dan Aplikasi Data Lanjutan) dan akan diterbitkan dalam 'Nota Kuliah dalam Kepintaran Buatan' (Springer) ***
DataLearner menampilkan algoritma klasifikasi, perkaitan dan pengelompokan daripada pakej sumber terbuka Weka (Persekitaran Wakato untuk Analisis Pengetahuan), serta algoritma baharu yang dibangunkan oleh Unit Penyelidikan Sains Data (DSRU) di Universiti Charles Sturt. Digabungkan, apl ini menyediakan 42 algoritma pembelajaran mesin/perlombongan data, termasuk RandomForest, C4.5 (J48) dan NaiveBayes.
DataLearner tidak mengumpul maklumat ia memerlukan akses kepada storan peranti anda semata-mata untuk memuatkan set data anda dan membina model pembelajaran mesin anda.
DataLearner sedang digunakan sebagai alat pengajaran dalam subjek Kejuruteraan Data dan Pengetahuan ITC573 untuk ijazah pasca siswazah Sarjana Teknologi Maklumat di Universiti Charles Sturt.
Dapatkan sumber:
Kod sumber berlesen GPL3 pada Github: https://github.com/darrenyatesau/DataLearner
Video pantas di YouTube: https://youtu.be/H-7pETJZf-g
Kertas penyelidikan tentang arXiv: https://arxiv.org/abs/1906.03773
Kertas persidangan AusDM 2018 yang memulakan DataLearner: https://www.researchgate.net/publication/331126867
Penyelidik, jika anda menggunakan aplikasi ini dalam aplikasi penyelidikan, sila petik kertas penyelidikan di atas. Terima kasih.
Algoritma pembelajaran mesin termasuk:
Bayes BayesNet, NaiveBayes
Fungsi Logistik, SimpleLogistic, MultiLayerPerceptron (Rangkaian Neural)
Lazy IBk (K Jiran Terdekat), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Jawatankuasa Rawak, RandomSubSpace, RotationForest
Peraturan Peraturan Konjungtif, Jadual Keputusan, DTNB, JRip, OneR, PART, Ridor, ZeroR
Pokok ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Klusterer DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Persatuan Apriori, FilteredAssociator, FPGrowth
>> Di mana untuk mencari fail set data? DataLearner dilengkapi dengan set data demo terbina dalam yang dipanggil 'rain.csv', tetapi anda juga akan menemui banyak set data di tapak web OpenML - termasuk set 'ecoli' yang popular (https://www.openml.org). Muat turun versi ARFF ke telefon anda dan muatkannya ke dalam DataLearner untuk membina model. Tonton tutorial video baharu kami - https://www.youtube.com/watch?v=81tSbclMVT8
Perisian ini dibekalkan AS-IS - semasa ia telah diuji, tiada waranti tersirat atau diberikan.
