DataLearner - Data Mining Software for Android for Android APK

Beschreibung

DataLearner ist ein benutzerfreundliches Tool für Data Mining und Wissensentdeckung aus Ihren eigenen kompatiblen ARFF- und CSV-formatierten Trainingsdatensätzen (* siehe unten). Es ist vollständig in sich geschlossen, erfordert keinen externen Speicher oder eine Netzwerkverbindung, es erstellt Modelle direkt auf Ihrem Telefon oder Tablet. Dies ist kein Schulungskurs oder Buch – es ist eine echte auf maschinellem Lernen basierende Data-Mining-App.

>> ARFF- und CSV-Unterstützung <<

Trainingsdatensätze müssen entweder dem Weka ARFF-Format oder CSV (comma-separated variable) entsprechen. CSV-Dateien müssen die folgenden Merkmale aufweisen:

* muss eine Kopfzeile enthalten

* Klassenattribut wird anfänglich als letzte Spalte gesetzt

>> Klassenattribut auf nominal << setzen

Die meisten Algorithmen von DataLearner erwarten nominale/kategorische Klassenattribute, und die Verwendung eines numerischen Klassenattributs führt dazu, dass die meisten Algorithmen fehlschlagen. Das neue „Klassenattribut auf nominal erzwingen“ überwindet dies, jedoch können nominale Klassenattribute mit zu vielen unterschiedlichen Werten zu viel RAM verbrauchen.

*** NACHRICHTEN! Die DataLearner-Forschung wurde für die Präsentation auf der ADMA 2019 (15. Internationale Konferenz für fortgeschrittenes Data Mining und Anwendungen) ausgewählt und wird in „Lecture Notes in Artificial Intelligence“ (Springer) veröffentlicht ***

DataLearner bietet Klassifizierungs-, Assoziations- und Clustering-Algorithmen aus dem Open-Source-Paket Weka (Waikato Environment for Knowledge Analysis) sowie neue Algorithmen, die von der Data Science Research Unit (DSRU) an der Charles Sturt University entwickelt wurden. Zusammen bietet die App 42 Algorithmen für maschinelles Lernen/Data-Mining, darunter RandomForest, C4.5 (J48) und NaiveBayes.

DataLearner sammelt keine Informationen, es erfordert Zugriff auf Ihren Gerätespeicher, nur um Ihre Datensätze zu laden und Ihre Modelle für maschinelles Lernen zu erstellen.

DataLearner wird als Lehrmittel im Fach ITC573 Data and Knowledge Engineering für den Postgraduierten-Abschluss Master of Information Technology an der Charles Sturt University verwendet.

Holen Sie sich die Ressourcen:

GPL3-lizenzierter Quellcode auf Github: https://github.com/darrenyatesau/DataLearner

Kurzes Video auf YouTube: https://youtu.be/H-7pETJZf-g

Forschungsbericht zu arXiv: https://arxiv.org/abs/1906.03773

AusDM 2018 Konferenzpapier, das DataLearner initiierte: https://www.researchgate.net/publication/331126867

Forscher, wenn Sie diese App in Forschungsanwendungen verwenden, zitieren Sie bitte die oben genannten Forschungsarbeiten. Vielen Dank.

Algorithmen für maschinelles Lernen umfassen:

Bayes BayesNet, NaiveBayes

Funktionen Logistic, SimpleLogistic, MultiLayerPerceptron (Neuronales Netzwerk)

Lazy IBk (K Nächste Nachbarn), KStar

Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest

Regeln Konjunktivregel, Entscheidungstabelle, DTNB, JRip, OneR, PART, Ridor, ZeroR

Bäume ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.

Clusterer DBSCAN, Erwartungsmaximierung (EM), Farthest-First, FilteredClusterer, SimpleKMeans

Assoziationen Apriori, FilteredAssociator, FPGrowth

>> Wo finde ich Datensatzdateien? <<

DataLearner wird mit einem integrierten Demo-Datensatz namens „rain.csv“ geliefert, aber Sie finden auch zahlreiche Datensätze auf der OpenML-Website – einschließlich des beliebten „ecoli“-Satzes (https://www.openml.org). Laden Sie die ARFF-Versionen auf Ihr Telefon herunter und laden Sie sie in DataLearner, um daraus Modelle zu erstellen. Sehen Sie sich unser neues Video-Tutorial an - https://www.youtube.com/watch?v=81tSbclMVT8

Diese Software wird ohne Mängelgewähr geliefert - obwohl sie getestet wurde, wird keine Garantie gewährt oder impliziert.