DataLearner - Data Mining Software for Android APK

Περιγραφή

Το DataLearner είναι ένα εύχρηστο εργαλείο για την εξόρυξη δεδομένων και την ανακάλυψη γνώσης από τα δικά σας συμβατά σύνολα δεδομένων εκπαίδευσης με μορφοποίηση ARFF και CSV (* δείτε παρακάτω). Είναι πλήρως αυτόνομο, δεν απαιτεί εξωτερική αποθήκευση ή συνδεσιμότητα δικτύου, δημιουργεί μοντέλα απευθείας στο τηλέφωνο ή το tablet σας. Αυτό δεν είναι εκπαιδευτικό μάθημα ή βιβλίο - είναι μια γνήσια εφαρμογή εξόρυξης δεδομένων που βασίζεται στη μηχανική μάθηση.

>> Υποστήριξη ARFF και CSV Τα σύνολα δεδομένων εκπαίδευσης πρέπει να συμμορφώνονται είτε με τη μορφή Weka ARFF είτε με CSV (μεταβλητή διαχωρισμένη με κόμμα). Τα αρχεία CSV πρέπει να έχουν τις ακόλουθες δυνατότητες:

* πρέπει να περιλαμβάνει μια σειρά κεφαλίδας

* Το χαρακτηριστικό class ορίζεται αρχικά ως τελευταία στήλη

>> Επιβολή χαρακτηριστικού κλάσης σε ονομαστική Οι περισσότεροι αλγόριθμοι του DataLearner αναμένουν ονομαστικές/κατηγορικές ιδιότητες κλάσης και η χρήση ενός χαρακτηριστικού αριθμητικής κλάσης θα προκαλέσει την αποτυχία των περισσότερων αλγορίθμων. Το νέο «χαρακτηριστικό κλάσης δύναμης σε ονομαστική» το ξεπερνά αυτό, ωστόσο, τα χαρακτηριστικά ονομαστικής κλάσης με πάρα πολλές διαφορετικές τιμές ενδέχεται να καταναλώσουν υπερβολική RAM.

*** ΝΕΑ! Η έρευνα του DataLearner έχει επιλεγεί για παρουσίαση στο ADMA 2019 (15th International Conference on Advanced Data Mining and Applications) και θα δημοσιευθεί στο «Lecture Notes in Artificial Intelligence» (Springer) ***

Το DataLearner διαθέτει αλγόριθμους ταξινόμησης, συσχέτισης και ομαδοποίησης από το πακέτο ανοιχτού κώδικα Weka (Waikato Environment for Knowledge Analysis), καθώς και νέους αλγόριθμους που αναπτύχθηκαν από την Ερευνητική Μονάδα Επιστήμης Δεδομένων (DSRU) στο Πανεπιστήμιο Charles Sturt. Σε συνδυασμό, η εφαρμογή παρέχει 42 αλγόριθμους μηχανικής μάθησης/εξόρυξης δεδομένων, συμπεριλαμβανομένων των RandomForest, C4.5 (J48) και NaiveBayes.

Το DataLearner δεν συλλέγει πληροφορίες που απαιτεί πρόσβαση στον χώρο αποθήκευσης της συσκευής σας απλώς για να φορτώσει τα σύνολα δεδομένων σας και να δημιουργήσει τα μοντέλα μηχανικής εκμάθησης.

Το DataLearner χρησιμοποιείται ως εργαλείο διδασκαλίας στο μάθημα ITC573 Data and Knowledge Engineering για το μεταπτυχιακό τίτλο Master of Information Technology στο Πανεπιστήμιο Charles Sturt.

Αποκτήστε τους πόρους:

Πηγαίος κώδικας με άδεια GPL3 στο Github: https://github.com/darrenyatesau/DataLearner

Γρήγορο βίντεο στο YouTube: https://youtu.be/H-7pETJZf-g

Ερευνητική εργασία για το arXiv: https://arxiv.org/abs/1906.03773

Έγγραφο συνεδρίου AusDM 2018 που ξεκίνησε το DataLearner: https://www.researchgate.net/publication/331126867

Ερευνητές, εάν χρησιμοποιείτε αυτήν την εφαρμογή σε ερευνητικές εφαρμογές, παρακαλούμε να αναφέρετε τις παραπάνω ερευνητικές εργασίες. Ευχαριστώ.

Οι αλγόριθμοι μηχανικής μάθησης περιλαμβάνουν:

Bayes BayesNet, NaiveBayes

Functions Logistic, SimpleLogistic, MultiLayerPerceptron (Νευρωνικό Δίκτυο)

Lazy IBk (K Nearest Neighbours), KStar

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

Συνδετικός κανόνας κανόνων, πίνακας αποφάσεων, DTNB, JRip, OneR, PART, Ridor, ZeroR

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

Clusterers DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans

Associations Apriori, FilteredAssociator, FPGrowth

>> Πού μπορώ να βρω αρχεία δεδομένων; Το DataLearner συνοδεύεται από ένα ενσωματωμένο σύνολο δεδομένων επίδειξης που ονομάζεται "rain.csv", αλλά θα βρείτε επίσης πολλά σύνολα δεδομένων στον ιστότοπο OpenML - συμπεριλαμβανομένου του δημοφιλούς συνόλου "ecoli" (https://www.openml.org). Κατεβάστε τις εκδόσεις ARFF στο τηλέφωνό σας και φορτώστε τις στο DataLearner για να δημιουργήσετε μοντέλα. Παρακολουθήστε το νέο μας εκπαιδευτικό βίντεο - https://www.youtube.com/watch?v=81tSbclMVT8

Αυτό το λογισμικό παρέχεται ΩΣ ΕΧΕΙ - ενώ έχει δοκιμαστεί, δεν υπονοείται ούτε παρέχεται καμία εγγύηση.