| Tipo de archivo | APK |
|---|---|
| Versión | 1.1.7 |
| Editor | Darren Yates |
| Fecha de lanzamiento | 3 nov 2019 |
| Fecha Agregada | 3 nov 2019 |
| Requisitos del sistema operativo | Android |
| Requisitos | Requires Android 4.4 and up |
| Descargas totales | 4 |
| Descargas por semana | 1 |
| Precio | Free |
Descripción
DataLearner es una herramienta fácil de usar para la extracción de datos y el descubrimiento de conocimientos a partir de sus propios conjuntos de datos de entrenamiento con formato ARFF y CSV compatibles (* consulte a continuación). Es totalmente autónomo, no requiere almacenamiento externo ni conectividad de red, construye modelos directamente en su teléfono o tableta. Este no es un curso o libro de capacitación, es una aplicación de minería de datos genuina basada en el aprendizaje automático.
>> Compatibilidad con ARFF y CSV Los conjuntos de datos de entrenamiento deben ajustarse al formato Weka ARFF o CSV (variable separada por comas). Los archivos CSV deben tener las siguientes características:
* debe incluir una fila de encabezado
* el atributo de clase se establece inicialmente como última columna
>> Forzar atributo de clase a nominal La mayoría de los algoritmos de DataLearner esperan atributos de clase nominales/categóricos y el uso de un atributo de clase numérico hará que la mayoría de los algoritmos fallen. El nuevo 'atributo de clase forzado a nominal' supera esto, sin embargo, los atributos de clase nominal con demasiados valores distintos pueden consumir demasiada memoria RAM.
*** ¡NOTICIAS! La investigación de DataLearner ha sido seleccionada para su presentación en ADMA 2019 (15th International Conference on Advanced Data Mining and Applications) y se publicará en 'Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner presenta algoritmos de clasificación, asociación y agrupamiento del paquete de código abierto Weka (Waikato Environment for Knowledge Analysis), además de nuevos algoritmos desarrollados por la Unidad de Investigación de Ciencia de Datos (DSRU) en la Universidad Charles Sturt. Combinada, la aplicación proporciona 42 algoritmos de aprendizaje automático/minería de datos, incluidos RandomForest, C4.5 (J48) y NaiveBayes.
DataLearner no recopila información, requiere acceso al almacenamiento de su dispositivo simplemente para cargar sus conjuntos de datos y construir sus modelos de aprendizaje automático.
DataLearner se está utilizando como una herramienta de enseñanza en la asignatura de Ingeniería de Datos y Conocimiento ITC573 para el posgrado de Maestría en Tecnología de la Información en la Universidad Charles Sturt.
Obtenga los recursos:
Código fuente con licencia GPL3 en Github: https://github.com/darrenyatesau/DataLearner
Vídeo rápido en YouTube: https://youtu.be/H-7pETJZf-g
Trabajo de investigación sobre arXiv: https://arxiv.org/abs/1906.03773
Documento de la conferencia AusDM 2018 que inició DataLearner: https://www.researchgate.net/publication/331126867
Investigadores, si usan esta aplicación en aplicaciones de investigación, cite los trabajos de investigación anteriores. Gracias.
Los algoritmos de aprendizaje automático incluyen:
Bayes BayesNet, IngenuoBayes
Funciones Logística, SimpleLogistic, MultiLayerPerceptron (Red Neural)
Lazy IBk (K vecinos más cercanos), KStar
Meta AdaBoostM1, Embolsado, LogitBoost, MultiBoostAB, Comité aleatorio, RandomSubSpace, RotationForest
Reglas Regla Conjuntiva, Tabla de Decisiones, DTNB, JRip, OneR, PART, Ridor, ZeroR
Árboles ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterers DBSCAN, maximización de expectativas (EM), más lejano primero, FilteredClusterer, SimpleKMeans
Asociaciones a priori, FilteredAssociator, FPGrowth
>> ¿Dónde encontrar archivos de conjuntos de datos? DataLearner viene con un conjunto de datos de demostración incorporado llamado 'rain.csv', pero también encontrará muchos conjuntos de datos en el sitio web de OpenML, incluido el popular conjunto 'ecoli' (https://www.openml.org). Descargue las versiones de ARFF en su teléfono y cárguelas en DataLearner para construir modelos. Mire nuestro nuevo video tutorial - https://www.youtube.com/watch?v=81tSbclMVT8
Este software se proporciona TAL CUAL: aunque se ha probado, no se implica ni se otorga ninguna garantía.
