| סוג קובץ | APK |
|---|---|
| גִרְסָה | 1.1.7 |
| מוֹצִיא לָאוֹר | Darren Yates |
| תאריך הוצאה | 3 בנוב׳ 2019 |
| תאריך הוסף | 3 בנוב׳ 2019 |
| דרישות Os | Android |
| דרישות | Requires Android 4.4 and up |
| סה"כ הורדות | 4 |
| הורדות בשבוע | 1 |
| מחיר | Free |
תיאור
DataLearner הוא כלי קל לשימוש לכריית נתונים וגילוי ידע מתוך מערכי הדרכה תואמים משלך ARFF ו-CSV (*ראה להלן). הוא עצמאי לחלוטין, אינו דורש אחסון חיצוני או קישוריות רשת, הוא בונה דגמים ישירות בטלפון או בטאבלט שלך. זה לא קורס הכשרה או ספר - זוהי אפליקציית כריית נתונים אמיתית מבוססת למידת מכונה.
>> תמיכה ב-ARFF ו-CSV מערכי נתונים של הדרכה חייבים להתאים לפורמט Weka ARFF או ל-CSV (משתנה מופרד בפסיקים). קובצי CSV חייבים לכלול את התכונות הבאות:
* חייב לכלול שורת כותרת
* תכונת class מוגדרת בתחילה בתור העמודה האחרונה
>> כפה תכונת מחלקה לנומינלית רוב האלגוריתמים של DataLearner מצפים לתכונות מחלקות נומינליות/קטגוריות ושימוש בתכונת מחלקה מספרית יגרום לרוב האלגוריתמים להיכשל. התכונה החדשה 'מחלקה כוח לנומינלית' מתגברת על כך, עם זאת, תכונות מחלקות נומינליות עם יותר מדי ערכים נפרדים עלולות לצרוך יותר מדי זיכרון RAM.
***חדשות! מחקר DataLearner נבחר להצגה ב-ADMA 2019 (הכנס הבינלאומי ה-15 בנושא כריית נתונים ויישומים מתקדמים) והוא יתפרסם ב'הערות הרצאה בבינה מלאכותית' (Springer) ***
DataLearner כולל אלגוריתמי סיווג, שיוך ואשכולות מחבילת הקוד הפתוח Weka (Waikato Environment for Knowledge Analysis), בתוספת אלגוריתמים חדשים שפותחו על ידי יחידת המחקר למדעי הנתונים (DSRU) באוניברסיטת צ'רלס סטרט. יחד, האפליקציה מספקת 42 אלגוריתמים ללימוד מכונה/כריית נתונים, כולל RandomForest, C4.5 (J48) ו-NaiveBayes.
DataLearner לא אוסף מידע, הוא דורש גישה לאחסון המכשיר שלך פשוט כדי לטעון את מערכי הנתונים שלך ולבנות את המודלים של למידה חישובית שלך.
DataLearner משמש ככלי הוראה בנושא הנדסת נתונים וידע ITC573 לתואר שני בטכנולוגיית מידע באוניברסיטת צ'רלס סטרט.
קבל את המשאבים:
קוד מקור ברישיון GPL3 ב-Github: https://github.com/darrenyatesau/DataLearner
סרטון מהיר ביוטיוב: https://youtu.be/H-7pETJZf-g
עבודת מחקר על arXiv: https://arxiv.org/abs/1906.03773
מאמר ועידה AusDM 2018 שיזם את DataLearner: https://www.researchgate.net/publication/331126867
חוקרים, אם אתה משתמש באפליקציה זו ביישומי מחקר, נא לצטט את מאמרי המחקר לעיל. תודה.
אלגוריתמים של למידת מכונה כוללים:
Bayes BayesNet, NaiveBayes
פונקציות לוגיסטית, SimpleLogistic, MultiLayerPerceptron (רשת עצבית)
Lazy IBk (K Nearest Neighbours), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
כללים משולבים כלל, טבלת החלטות, DTNB, JRip, OneR, PART, Ridor, ZeroR
עצים ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterers DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Associations Apriori, FilteredAssociator, FPGrowth
>> היכן ניתן למצוא קבצי נתונים? DataLearner מגיע עם מערך הדגמה מובנה בשם 'rain.csv', אך תמצא גם שפע של מערכי נתונים באתר OpenML - כולל ערכת 'ecoli' הפופולרית (https://www.openml.org). הורד את גרסאות ARFF לטלפון שלך וטען אותן ל-DataLearner כדי לבנות מהם מודלים. צפה בסרטון ההדרכה החדש שלנו - https://www.youtube.com/watch?v=81tSbclMVT8
תוכנה זו מסופקת AS-IS - בזמן שהיא נבדקה, לא משתמעת או ניתנת אחריות.
