از برنامه APKPure استفاده کنید
نسخه قدیمی APK DataLearner را برای اندروید بگیرید
داده کاوی، یادگیری ماشین و نرم افزار کشف دانش برای آندروید
DataLearner ابزاری با کاربرد آسان برای داده کاوی و کشف دانش از مجموعه داده های آموزشی ARFF و CSV با قالب سازگار است. کاملاً خود مختار است و نیازی به فضای ذخیره سازی خارجی یا اتصال به شبکه ندارد - این مدل ها را مستقیماً بر روی تلفن یا رایانه لوحی شما می سازد.
>> پشتیبانی ARFF و CSV <<
مجموعه داده های آموزش باید از نوع CSV (متغیر جدا شده با کاما) یا Weka ARFF باشد.
پرونده های CSV باید دارای ویژگی های زیر باشند:
* شامل یک ردیف سربرگ
* ویژگی کلاس در ابتدا به عنوان ستون آخر تنظیم می شود
>> ویژگی کلاس نیرو به اسمی <<
بسیاری از الگوریتم های DataLearner انتظار دارند که از ویژگی های کلاس اسمی / طبقه ای استفاده کنند و استفاده از یک ویژگی کلاس عددی باعث عدم موفقیت بیشتر الگوریتم ها خواهد شد. ویژگی جدید "کلاس نیرو به اسمی" بر این مسئله غلبه دارد ، با این حال ، ویژگی های کلاس اسمی با مقادیر متمایز بسیاری ممکن است از رم بیش از حد استفاده کنند.
DataLearner دارای الگوریتم های طبقه بندی ، ارتباط و خوشه بندی از بسته بندی منبع باز Weka (Waikato Environment for Analysis of دانش) ، به علاوه الگوریتم های جدیدی است که توسط واحد تحقیقات علوم داده (DSRU) در دانشگاه چارلز استورت تهیه شده است. ترکیب ، برنامه 42 الگوریتم یادگیری ماشین / داده کاوی ، از جمله RandomForest ، C4.5 (J48) و NaiveBayes را فراهم می کند.
DataLearner هیچ اطلاعاتی را جمع آوری نمی کند - برای بارگیری مجموعه داده های خود و ساخت مدل های یادگیری ماشین شما ، به فضای ذخیره دستگاه شما نیاز دارد.
* DataLearner به عنوان یک ابزار تدریس در ITC573 موضوع مهندسی داده و دانش استفاده می شود برای کارشناسی ارشد فناوری اطلاعات ، مقطع تحصیلات تکمیلی در دانشگاه چارلز استورت.
* تحقیقات DataLearner در ADMA 2019 (پانزدهمین کنفرانس بین المللی داده کاوی و برنامه های کاربردی پیشرفته) ارائه و در "یادداشت های سخنرانی در هوش مصنوعی" (Springer) منتشر شد
منابع را بدست آورید:
کد منبع مجوز GPL3 در Github: https://github.com/darrenyatesau/DataLearner
فیلم سریع در YouTube: https://youtu.be/H-7pETJZf-g
مقاله تحقیقاتی در مورد arXiv: https://arxiv.org/abs/1906.03773
مقاله کنفرانس AusDM 2018 که DataLearner را آغاز کرد: https://www.researchgate.net/publication/331126867
محققان ، اگر از این برنامه در برنامه های تحقیقاتی استفاده می کنید ، لطفاً مقالات تحقیق فوق را ذکر کنید. با تشکر.
الگوریتم های یادگیری ماشین شامل:
• Bayes - BayesNet ، NaiveBayes
• توابع - لجستیک ، SimpleLogistic ، MultiLayerPerceptron (شبکه عصبی)
• Lazy - IBk (K نزدیکترین همسایگان) ، KStar
• متا - AdaBoostM1 ، کیسه زدن ، LogitBoost ، MultiBoostAB ، کمیته تصادفی ، RandomSubSpace ، RotationForest
• قوانین - قاعده ملتحمه ، جدول تصمیم گیری ، DTNB ، JRip ، OneR ، PART ، ریدور ، ZeroR
• درختان - ADTree ، BFTree ، biryaraStump ، ForestPA ، J48 (C4.5) ، LADTree ، جنگل تصادفی ، RandomTree ، REPTree ، SimpleCART ، SPAARC ، SysFor.
• خوشه - DBSCAN ، حداکثر انتظار (EM) ، دورترین اول ، FilteredClusterer ، SimpleKMeans
• انجمن ها - آپریوری ، FilteredAociociator ، FPGrowth
سلب مسئولیت: این نرم افزار "AS-IS" تهیه شده است - در حالی که تست شده است ، هیچ ضمانتی یا ضمانتی ضمنی یا داده نمی شود. از خطر آن استفاده کنید. بارگیری شما از این نرم افزار نشان می دهد که شما با این شرایط موافق هستید.
بارگذاری شده توسط
ابومحمد الرفيع
نیاز به اندروید
Android 4.4+
دسته بندی
گزارش
Last updated on 10/10/2019
v1.1.7
* Enabled View Details/Confusion Matrix button after no-CV model build only.
v1.1.6
* Enabled all trees in Random Forest to appear in Confusion Matrix/Model output.
* Added copy-paste to clipboard of Confusion Matrix/Model output.
v1.1.5
* updated error message to suggest using 'Force class attribute to nominal' button on Load screen.
v1.1.4
*fixed introduced bug preventing some statistics from appearing with numeric-class datasets.
DataLearner
Data Mining Soft1.1.7 by Darren Yates
10/10/2019