DataLearner - Data Mining Soft

DataLearner - это простой в использовании инструмент для анализа данных и поиска знаний из ваших собственных совместимых обучающих наборов данных в формате ARFF и CSV. Он полностью автономен, не требует внешнего хранилища или сетевого подключения - он создает модели прямо на вашем телефоне или планшете.

>> Поддержка ARFF и CSV <<

Обучающие наборы данных должны иметь формат CSV (переменная, разделенная запятыми) или Weka ARFF.

CSV-файлы должны иметь следующие функции:

* включить строку заголовка

* атрибут класса изначально установлен как последний столбец

>> Привести атрибут класса к номинальному <<

Большинство алгоритмов DataLearner ожидают номинальных / категориальных атрибутов класса, а использование числового атрибута класса приведет к сбою большинства алгоритмов. Новая функция «принудительно перенести атрибут класса в номинальное» устраняет эту проблему, однако атрибуты номинального класса со слишком большим количеством различных значений могут использовать слишком много ОЗУ.

DataLearner содержит алгоритмы классификации, ассоциации и кластеризации из пакета Weka (среда Waikato для анализа знаний с открытым исходным кодом), а также новые алгоритмы, разработанные подразделением Data Science Research Unit (DSRU) в Университете Чарльза Стерта. В совокупности приложение предоставляет 42 алгоритма машинного обучения / интеллектуального анализа данных, включая RandomForest, C4.5 (J48) и NaiveBayes.

DataLearner не собирает информацию - ему требуется доступ к хранилищу вашего устройства просто для загрузки ваших наборов данных и построения моделей машинного обучения.

* DataLearner используется в качестве учебного пособия в теме ITC573 для обработки данных и знаний для Магистр информационных технологий, аспирантура в университете Чарльза Стерта.

* Исследование DataLearner было представлено на ADMA 2019 (15-я Международная конференция по усовершенствованному интеллектуальному анализу данных и приложениям) и опубликовано в «Лекционных заметках по искусственному интеллекту» (Springer)

Получить ресурсы:

Исходный код на Github с лицензией GPL3: https://github.com/darrenyatesau/DataLearner

Быстрое видео на YouTube: https://youtu.be/H-7pETJZf-g

Исследовательский документ по arXiv: https://arxiv.org/abs/1906.03773

Документ конференции AusDM 2018, инициировавший DataLearner: https://www.researchgate.net/publication/331126867

Исследователи, если вы используете это приложение в исследовательских приложениях, пожалуйста, приведите выше научные статьи. Спасибо.

Алгоритмы машинного обучения включают в себя:

• Байес - BayesNet, NaiveBayes

• Функции - Логистика, SimpleLogistic, MultiLayerPerceptron (Нейронная сеть)

• Ленивый - IBk (K Ближайшие Соседи), KStar

• Meta - AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Случайный комитет, RandomSubSpace, RotationForest

• Правила - конъюнктивное правило, таблица решений, DTNB, JRip, OneR, PART, Ridor, ZeroR

• Деревья - ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Случайный лес, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.

• Clusterers - DBSCAN, Максимизация ожиданий (EM), Farthest-First, FilteredClusterer, SimpleKMeans

• Ассоциации - Apriori, FilteredAssociator, FPGrowth

ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ: Это программное обеспечение поставляется "КАК ЕСТЬ" - хотя оно и было проверено, никаких гарантий не предоставляется. Используйте его на свой страх и риск. При загрузке этого программного обеспечения вы соглашаетесь с этими условиями.