DataLearner - Data Mining Soft

DataLearner è uno strumento di facile utilizzo per il data mining e la scoperta della conoscenza dai propri set di dati di formazione compatibili ARFF e CSV. È completamente autonomo, non richiede memoria esterna o connettività di rete: crea modelli direttamente sul tuo telefono o tablet.

>> Supporto ARFF e CSV <<

I set di dati di allenamento devono essere in formato CSV (variabile separata da virgola) o Weka ARFF.

I file CSV devono avere le seguenti funzionalità:

* include una riga di intestazione

* L'attributo class è inizialmente impostato come ultima colonna

>> Forza l'attributo class su nominale <<

La maggior parte degli algoritmi di DataLearner prevede attributi di classe nominali / categorici e l'utilizzo di un attributo di classe numerico farà fallire la maggior parte degli algoritmi. La nuova funzione "Forza l'attributo di classe al nominale" supera questo, tuttavia, gli attributi di classe nominali con troppi valori distinti possono consumare troppa RAM.

DataLearner presenta algoritmi di classificazione, associazione e clustering dal pacchetto open source Weka (Waikato Environment for Knowledge Analysis), oltre a nuovi algoritmi sviluppati dalla Data Science Research Unit (DSRU) presso la Charles Sturt University. Combinata, l'app fornisce 42 algoritmi di machine learning / data mining, inclusi RandomForest, C4.5 (J48) e NaiveBayes.

DataLearner non raccoglie informazioni: richiede l'accesso alla memoria del dispositivo semplicemente per caricare i set di dati e creare i modelli di apprendimento automatico.

* DataLearner viene utilizzato come strumento di insegnamento nell'argomento ITC573 Oggetto di ingegneria dei dati e della conoscenza per il Master post-laurea in Information Technology presso la Charles Sturt University.

* La ricerca DataLearner è stata presentata all'ADMA 2019 (15a Conferenza internazionale sull'estrazione e l'applicazione di dati avanzati) e pubblicata su "Lecture Notes in Artificial Intelligence" (Springer)

Ottieni le risorse:

Codice sorgente con licenza GPL3 su Github: https://github.com/darrenyatesau/DataLearner

Video rapido su YouTube: https://youtu.be/H-7pETJZf-g

Documento di ricerca su arXiv: https://arxiv.org/abs/1906.03773

Documento della conferenza AusDM 2018 che ha avviato DataLearner: https://www.researchgate.net/publication/331126867

Ricercatori, se si utilizza questa app in applicazioni di ricerca, si prega di citare i documenti di ricerca sopra. Grazie.

Gli algoritmi di apprendimento automatico includono:

• Bayes - BayesNet, NaiveBayes

• Funzioni: logistica, SimpleLogistic, MultiLayerPerceptron (rete neurale)

• Pigro - IBk (K vicini più vicini), KStar

• Meta - AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Comitato casuale, RandomSubSpace, RotationForest

• Regole - Regola congiuntiva, tabella decisionale, DTNB, JRip, OneR, PART, Ridor, ZeroR

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

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

• Associazioni: Apriori, FilteredAssociator, FPGrowth

DICHIARAZIONE DI NON RESPONSABILITÀ: questo software viene fornito "COSÌ COM'È" - mentre è stato testato, nessuna garanzia o garanzia è implicita o garantita. Usalo a tuo rischio e pericolo. Il download di questo software dimostra che si accettano questi termini.