| Failo tipas | APK |
|---|---|
| Versija | 1.1.7 |
| Leidėjas | Darren Yates |
| Išleidimo data | 2019-11-03 |
| Data pridėta | 2019-11-03 |
| OS reikalavimai | Android |
| Reikalavimai | Requires Android 4.4 and up |
| Iš viso atsisiuntimų | 4 |
| Atsisiuntimai per savaitę | 1 |
| Kaina | Free |
apibūdinimas
„DataLearner“ yra paprastas naudoti įrankis, skirtas duomenų gavybai ir žinių atradimui iš jūsų suderinamų ARFF ir CSV formatų mokymo duomenų rinkinių (* žr. toliau). Jis yra visiškai savarankiškas, nereikalauja išorinės atminties ar tinklo ryšio, modelius sukuria tiesiai jūsų telefone ar planšetiniame kompiuteryje. Tai nėra mokymo kursas ar knyga – tai tikra mašininiu mokymusi pagrįsta duomenų gavybos programa.
>> ARFF ir CSV palaikymas Mokymo duomenų rinkiniai turi atitikti Weka ARFF formatą arba CSV (kableliais atskirtą kintamąjį). CSV failai turi turėti šias funkcijas:
* turi būti antraštės eilutė
* klasės atributas iš pradžių nustatomas kaip paskutinis stulpelis
>> Priversti klasės atributą į nominalų Dauguma „DataLearner“ algoritmų tikisi nominalios/kategorinės klasės atributų, o naudojant skaitinį klasės atributą dauguma algoritmų suges. Naujasis „vardinės jėgos klasės atributas“ tai įveikia, tačiau vardiniai klasės atributai, turintys per daug skirtingų reikšmių, gali sunaudoti per daug RAM.
*** ŽINIOS! „DataLearner“ tyrimas buvo atrinktas pristatymui ADMA 2019 (15-oji tarptautinė pažangių duomenų gavybos ir taikomųjų programų konferencija) ir bus paskelbta „Dirbtinio intelekto paskaitų užrašuose“ (Springer) ***
„DataLearner“ turi klasifikavimo, susiejimo ir grupavimo algoritmus iš atvirojo kodo Weka (Waikato Environment for Knowledge Analysis) paketo, taip pat naujus algoritmus, kuriuos sukūrė Charleso Sturto universiteto Duomenų mokslo tyrimų skyrius (DSRU). Kartu programėlė suteikia 42 mašininio mokymosi/duomenų gavybos algoritmus, įskaitant RandomForest, C4.5 (J48) ir NaiveBayes.
„DataLearner“ nerenka jokios informacijos, todėl norint įkelti duomenų rinkinius ir sukurti mašininio mokymosi modelius, reikia prieigos prie įrenginio saugyklos.
„DataLearner“ naudojamas kaip mokymo priemonė ITC573 duomenų ir žinių inžinerijos dalyke, suteikiant informacijos technologijų magistro laipsnį Charles Sturt universitete.
Gaukite išteklių:
GPL3 licencijuotas šaltinio kodas „Github“: https://github.com/darrenyatesau/DataLearner
Greitas vaizdo įrašas „YouTube“: https://youtu.be/H-7pETJZf-g
Tyrimo straipsnis apie arXiv: https://arxiv.org/abs/1906.03773
AusDM 2018 konferencijos pranešimas, kuris inicijavo DataLearner: https://www.researchgate.net/publication/331126867
Tyrėjai, jei naudojate šią programą tyrimų programose, cituokite anksčiau pateiktus mokslinių tyrimų dokumentus. Dėkoju.
Mašininio mokymosi algoritmai apima:
Bayes BayesNet, NaiveBayes
Funkcijos Logistic, SimpleLogistic, MultiLayerPerceptron (neuroninis tinklas)
Lazy IBk (K artimiausi kaimynai), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Atsitiktinis komitetas, RandomSubSpace, RotationForest
Taisyklės jungiamoji taisyklė, sprendimų lentelė, DTNB, JRip, OneR, PART, Ridor, ZeroR
Medžiai ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Klasteriai DBSCAN, lūkesčių padidinimas (EM), toliausiai pirmas, filtruotas klasteris, paprastas KMeans
Asociacijos Apriori, FilteredAssociator, FPGrowth
>> Kur rasti duomenų rinkinių failus? „DataLearner“ pateikiamas su integruotu demonstraciniu duomenų rinkiniu, vadinamu „rain.csv“, tačiau daug duomenų rinkinių rasite ir OpenML svetainėje, įskaitant populiarųjį „ecoli“ rinkinį (https://www.openml.org). Atsisiųskite ARFF versijas į savo telefoną ir įkelkite jas į „DataLearner“, kad galėtumėte kurti modelius. Peržiūrėkite mūsų naują vaizdo įrašo mokymo programą – https://www.youtube.com/watch?v=81tSbclMVT8
Ši programinė įranga tiekiama tokia, kokia yra – kol ji buvo išbandyta, garantija netaikoma ar nesuteikiama.
