DataLearner - Data Mining Soft

DataLearner adalah alat yang mudah digunakan untuk penggalian data dan penemuan pengetahuan dari set data pelatihan ARFF dan CSV yang kompatibel. Ini sepenuhnya mandiri, tidak memerlukan penyimpanan eksternal atau konektivitas jaringan - itu membangun model langsung di ponsel atau tablet Anda.

>> Dukungan ARFF dan CSV <<

Kumpulan data pelatihan harus berupa CSV (variabel yang dipisahkan koma) atau format ARFF Weka.

File CSV harus memiliki fitur berikut:

* termasuk baris tajuk

* Atribut class pada awalnya ditetapkan sebagai kolom terakhir

>> Paksa atribut kelas ke nominal <<

Sebagian besar algoritma DataLearner mengharapkan atribut kelas nominal / kategorikal dan menggunakan atribut kelas numerik akan menyebabkan sebagian besar algoritma gagal. Atribut 'class class to nominal' yang baru mengatasi fitur ini, namun, atribut kelas nominal dengan terlalu banyak nilai berbeda dapat menggunakan terlalu banyak RAM.

DataLearner fitur klasifikasi, asosiasi dan algoritma pengelompokan dari paket open-source Weka (Waikato Environment for Knowledge Analysis), ditambah algoritma baru yang dikembangkan oleh Data Research Research Unit (DSRU) di Charles Sturt University. Digabungkan, aplikasi ini menyediakan 42 algoritma pembelajaran mesin / penambangan data, termasuk RandomForest, C4.5 (J48) dan NaiveBayes.

DataLearner tidak mengumpulkan informasi - itu membutuhkan akses ke penyimpanan perangkat Anda hanya untuk memuat dataset Anda dan membangun model pembelajaran mesin Anda.

* DataLearner digunakan sebagai alat pengajaran di ITC573 subjek Data dan Pengetahuan Teknik untuk gelar Magister Teknologi Informasi pascasarjana di Universitas Charles Sturt.

* Penelitian DataLearner dipresentasikan di ADMA 2019 (Konferensi Internasional ke-15 tentang Penambangan dan Aplikasi Data Lanjutan) dan diterbitkan dalam 'Catatan Kuliah dalam Kecerdasan Buatan' (Springer)

Dapatkan sumber daya:

Kode sumber berlisensi GPL3 di Github: https://github.com/darrenyatesau/DataLearner

Video cepat di YouTube: https://youtu.be/H-7pETJZf-g

Makalah penelitian tentang arXiv: https://arxiv.org/abs/1906.03773

Makalah konferensi AusDM 2018 yang memprakarsai DataLearner: https://www.researchgate.net/publication/331126867

Peneliti, jika Anda menggunakan aplikasi ini dalam aplikasi penelitian, silakan kutip makalah penelitian di atas. Terima kasih.

Algoritma pembelajaran mesin meliputi:

• Bayes - BayesNet, NaiveBayes

• Fungsi - Logistik, SimpleLogistic, MultiLayerPerceptron (Jaringan Saraf Tiruan)

• Malas - IBk (K Tetangga Terdekat), KStar

• Meta - AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Komite Acak, RandomSubSpace, RotationForest

• Aturan - Aturan Konjungtif, Tabel Keputusan, DTNB, JRip, OneR, PART, Ridor, ZeroR

• Pohon - ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Hutan Acak, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.

• Clusterers - DBSCAN, Maksimalisasi Ekspektasi (EM), Paling Jauh-Pertama, FilteredClusterer, SimpleKMeans

• Asosiasi - Apriori, FilteredAssociator, FPGrowth

PENOLAKAN: Perangkat lunak ini disediakan "SEBAGAIMANA ADANYA" - ketika sedang diuji, tidak ada garansi atau jaminan yang tersirat atau diberikan. Gunakan dengan risiko Anda sendiri. Pengunduhan perangkat lunak ini menunjukkan Anda menyetujui persyaratan ini.