DataLearner

Mineração de dados, aprendizado de máquina e software de descoberta de conhecimento para Android

O DataLearner é uma ferramenta fácil de usar para mineração de dados e descoberta de conhecimento a partir de seus próprios conjuntos de dados de treinamento no formato ARFF e CSV compatíveis. É totalmente independente, não requer armazenamento externo ou conectividade de rede - cria modelos diretamente no seu telefone ou tablet.

>> Suporte a ARFF e CSV <<

Os conjuntos de dados de treinamento devem ser no formato CSV (variável separada por vírgula) ou Weka ARFF.

Os arquivos CSV devem ter os seguintes recursos:

* inclua uma linha de cabeçalho

* atributo de classe é definido inicialmente como última coluna

>> Forçar atributo de classe a nominal <<

A maioria dos algoritmos do DataLearner espera atributos de classe nominal / categórica e o uso de um atributo de classe numérica fará com que a maioria dos algoritmos falhe. O novo recurso 'force class attribute to nominal' supera isso, no entanto, atributos de classe nominal com muitos valores distintos podem usar muita RAM.

O DataLearner apresenta algoritmos de classificação, associação e clustering do pacote de código aberto Weka (Waikato Environment for Knowledge Analysis), além de novos algoritmos desenvolvidos pela Data Science Research Unit (DSRU) da Universidade Charles Sturt. Combinado, o aplicativo fornece 42 algoritmos de aprendizado de máquina / mineração de dados, incluindo RandomForest, C4.5 (J48) e NaiveBayes.

O DataLearner não coleta informações - requer acesso ao armazenamento do dispositivo simplesmente para carregar seus conjuntos de dados e criar seus modelos de aprendizado de máquina.

* O DataLearner está sendo usado como uma ferramenta de ensino na assunto da ITC573 Engenharia de dados e conhecimento para o mestrado em Tecnologia da Informação na Charles Sturt University.

* A pesquisa do DataLearner foi apresentada na ADMA 2019 (15ª Conferência Internacional sobre Mineração de Dados Avançada e Aplicações) e publicada em 'Lecture Notes in Artificial Intelligence' (Springer)

Obtenha os recursos:

Código fonte licenciado pela GPL3 no Github: https://github.com/darrenyatesau/DataLearner

Vídeo rápido no YouTube: https://youtu.be/H-7pETJZf-g

Artigo de pesquisa sobre arXiv: https://arxiv.org/abs/1906.03773

Documento de conferência do AusDM 2018 que iniciou o DataLearner: https://www.researchgate.net/publication/331126867

Pesquisadores, se você usar este aplicativo em aplicativos de pesquisa, cite os documentos de pesquisa acima. Obrigado.

Os algoritmos de aprendizado de máquina incluem:

• Bayes - BayesNet, NaiveBayes

• Funções - Logística, SimpleLogistic, MultiLayerPerceptron (Rede Neural)

• Preguiçoso - IBk (K vizinhos mais próximos), KStar

• Meta - AdaBoostM1, Ensacamento, LogitBoost, MultiBoostAB, Comitê aleatório, RandomSubSpace, RotationForest

• Regras - Regra Conjuntiva, Tabela de Decisão, DTNB, JRip, OneR, PARTE, Ridor, ZeroR

• Árvores - ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Floresta aleatória, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.

• Clusterers - DBSCAN, Maximização de Expectativas (EM), Primeiro a Distante, Cluster Filtrado, SimpleKMeans

• Associações - Apriori, FilteredAssociator, FPGrowth

AVISO LEGAL: Este software é fornecido "COMO ESTÁ" - enquanto foi testado, nenhuma garantia ou implícita é implícita ou fornecida. Use-o por sua conta e risco. O download deste software mostra que você concorda com estes termos.