DataLearner - Data Mining Soft

DataLearnerは、互換性のある独自のARFFおよびCSV形式のトレーニングデータセットからのデータマイニングおよび知識発見のための使いやすいツールです。完全に自己完結型であり、外部ストレージやネットワーク接続を必要としません。スマートフォンやタブレットでモデルを直接構築します。

>> ARFFおよびCSVのサポート<<

トレーニングデータセットは、CSV（カンマ区切り変数）またはWeka ARFF形式である必要があります。

CSVファイルには次の機能が必要です。

*ヘッダー行を含める

*クラス属性は最初に最後の列として設定されます

>>クラス属性をノミナルに強制<<

DataLearnerのアルゴリズムのほとんどは、名義/カテゴリクラス属性を想定しており、数値クラス属性を使用すると、ほとんどのアルゴリズムが失敗します。新しい「ノミナルに対するクラス属性の強制」機能はこれを克服しますが、明確な値が多すぎるノミナルクラス属性はRAMを使い果たす可能性があります。

DataLearnerは、オープンソースのWeka（知識分析用のワイカト環境）パッケージの分類、関連付け、およびクラスタリングアルゴリズムに加えて、Charles Sturt大学のData Science Research Unit（DSRU）によって開発された新しいアルゴリズムを備えています。組み合わせて、このアプリは、RandomForest、C4.5（J48）、およびNaiveBayesを含む42の機械学習/データマイニングアルゴリズムを提供します。

DataLearnerは情報を収集しません。データセットをロードして機械学習モデルを構築するためだけにデバイスストレージにアクセスする必要があります。

* DataLearnerは、 ITC573 Data and Knowledge Engineeringサブジェクトの教育ツールとして使用されています。チャールズ・スタート大学で情報技術の修士号を取得。

* DataLearnerの研究はADMA 2019（高度なデータマイニングとアプリケーションに関する第15回国際会議）で発表され、「人工知能の講義ノート」（Springer）で公開されました。

リソースを取得します。

GithubのGPL3ライセンスのソースコード： https://github.com/darrenyatesau/DataLearner

YouTubeのクイックビデオ： https://youtu.be/H-7pETJZf-g

arXivに関する研究論文： https://arxiv.org/abs/1906.03773

DataLearnerを開始したAusDM 2018カンファレンスペーパー： https://www.researchgate.net/publication/331126867

研究者は、このアプリケーションを研究アプリケーションで使用する場合、上記の研究論文を引用してください。ありがとう。

機械学習アルゴリズムは次のとおりです。

•ベイズ– BayesNet、NaiveBayes

•機能-ロジスティック、SimpleLogistic、MultiLayerPerceptron（ニューラルネットワーク）

•レイジー– IBk（K最近傍）、KStar

•メタ– AdaBoostM1、バギング、LogitBoost、MultiBoostAB、ランダム委員会、RandomSubSpace、RotationForest

•ルール–連言ルール、デシジョンテーブル、DTNB、JRip、OneR、PART、Ridor、ZeroR

•ツリー– ADTree、BFTree、DecisionStump、ForestPA、J48（C4.5）、LADTree、ランダムフォレスト、RandomTree、REPTree、SimpleCART、SPARC、SysFor。

•Clusterers – DBSCAN、期待値最大化（EM）、Farthest-First、FilteredClusterer、SimpleKMeans

•アソシエーション-Apriori、FilteredAssociator、FPGrowth

免責事項：このソフトウェアは「現状のまま」提供されます-テストされている間は、いかなる保証も保証も暗示または提供されません。自己責任で使用してください。このソフトウェアをダウンロードすると、これらの条件に同意したことがわかります。