| Loại tệp | APK |
|---|---|
| Phiên bản | 1.1.7 |
| Nhà xuất bản | Darren Yates |
| Ngày phát hành | 3 thg 11, 2019 |
| Ngày thêm | 3 thg 11, 2019 |
| Yêu cầu Os | Android |
| Yêu cầu | Requires Android 4.4 and up |
| Tổng số lượt tải xuống | 4 |
| Tải xuống mỗi tuần | 1 |
| Giá bán | Free |
Sự miêu tả
DataLearner là một công cụ dễ sử dụng để khai thác dữ liệu và khám phá kiến thức từ bộ dữ liệu đào tạo định dạng ARFF và CSV tương thích của riêng bạn (* xem bên dưới). Nó hoàn toàn khép kín, không yêu cầu bộ nhớ ngoài hoặc kết nối mạng, nó xây dựng các mô hình trực tiếp trên điện thoại hoặc máy tính bảng của bạn. Đây không phải là một khóa học hay sách đào tạo - nó là một ứng dụng khai thác dữ liệu dựa trên máy học chính hãng.
>> Hỗ trợ ARFF và CSV Tập dữ liệu đào tạo phải tuân theo định dạng Weka ARFF hoặc CSV (biến được phân tách bằng dấu phẩy). Tệp CSV phải có các tính năng sau:
* phải bao gồm một hàng tiêu đề
* thuộc tính class ban đầu được đặt làm cột cuối cùng
>> Buộc thuộc tính lớp thành danh nghĩa Hầu hết các thuật toán của DataLearner đều mong đợi các thuộc tính lớp danh nghĩa/phân loại và việc sử dụng thuộc tính lớp số sẽ khiến hầu hết các thuật toán bị lỗi. Tuy nhiên, thuộc tính lớp lực lượng thành danh nghĩa mới khắc phục được điều này, tuy nhiên, các thuộc tính lớp danh nghĩa có quá nhiều giá trị khác biệt có thể sử dụng quá nhiều RAM.
*** TIN TỨC! Nghiên cứu của DataLearner đã được chọn để trình bày tại ADMA 2019 (Hội nghị quốc tế lần thứ 15 về khai thác và ứng dụng dữ liệu tiên tiến) và sẽ được xuất bản trong 'Ghi chú bài giảng trong trí tuệ nhân tạo' (Springer) ***
DataLearner có các thuật toán phân loại, liên kết và phân cụm từ gói Weka (Môi trường Waikato cho Phân tích Kiến thức) mã nguồn mở, cùng với các thuật toán mới được phát triển bởi Đơn vị Nghiên cứu Khoa học Dữ liệu (DSRU) tại Đại học Charles Sturt. Kết hợp lại, ứng dụng cung cấp 42 thuật toán máy học/khai thác dữ liệu, bao gồm RandomForest, C4.5 (J48) và NaiveBayes.
DataLearner không thu thập thông tin mà nó yêu cầu quyền truy cập vào bộ nhớ thiết bị của bạn, chỉ đơn giản là tải bộ dữ liệu và xây dựng các mô hình học máy của bạn.
DataLearner đang được sử dụng làm công cụ giảng dạy trong môn học Kỹ thuật kiến thức và dữ liệu ITC573 cho bằng Thạc sĩ Công nghệ Thông tin sau đại học tại Đại học Charles Sturt.
Nhận các tài nguyên:
Mã nguồn được cấp phép GPL3 trên Github: https://github.com/darrenyatesau/DataLearner
Video nhanh trên YouTube: https://youtu.be/H-7pETJZf-g
Bài nghiên cứu về arXiv: https://arxiv.org/abs/1906.03773
Tài liệu hội nghị AusDM 2018 khởi xướng DataLearner: https://www.researchgate.net/publication/331126867
Các nhà nghiên cứu, nếu bạn sử dụng ứng dụng này trong các ứng dụng nghiên cứu, vui lòng trích dẫn các tài liệu nghiên cứu ở trên. Cảm ơn.
Các thuật toán học máy bao gồm:
Bayes BayesNet, NaiveBayes
Chức năng Logistic, SimpleLogistic, MultiLayerPerceptron (Neural Network)
Lazy IBk (K Hàng xóm gần nhất), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Quy tắc Quy tắc kết hợp, Bảng quyết định, DTNB, JRip, OneR, PART, Ridor, ZeroR
Cây ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterers DBSCAN, Tối đa hóa kỳ vọng (EM), Xa nhất-Đầu tiên, LọcClusterer, SimpleKMeans
Các hiệp hội Apriori, FilteredAssociator, FPGrowth
>> Tìm tập tin tập dữ liệu ở đâu? DataLearner đi kèm với một bộ dữ liệu demo được tích hợp sẵn có tên là 'rain.csv', nhưng bạn cũng sẽ tìm thấy nhiều bộ dữ liệu tại trang web OpenML - bao gồm cả bộ 'ecoli' phổ biến (https://www.openml.org). Tải các phiên bản ARFF xuống điện thoại của bạn và tải chúng vào DataLearner để tạo mô hình từ đó. Xem video hướng dẫn mới của chúng tôi - https://www.youtube.com/watch?v=81tSbclMVT8
Phần mềm này được cung cấp theo chuẩn AS-IS - trong khi nó đã được thử nghiệm, không có bảo hành nào được ngụ ý hoặc đưa ra.
