| Tipp tal-fajl | APK |
|---|---|
| Verżjoni | 1.1.7 |
| Pubblikatur | Darren Yates |
| Data tal-ħruġ | 03 Nov 2019 |
| Data miżjuda | 03 Nov 2019 |
| Rekwiżiti Os | Android |
| Rekwiżiti | Requires Android 4.4 and up |
| Tniżżil totali | 4 |
| Tniżżil fil-ġimgħa | 1 |
| Prezz | Free |
Deskrizzjoni
DataLearner hija għodda faċli biex tużah għat-tħaffir tad-dejta u l-iskoperta tal-għarfien mis-settijiet tad-dejta tat-taħriġ ifformattjati b’ARFF u CSV kompatibbli tiegħek stess (* ara hawn taħt). Hija kompletament awtonoma, ma teħtieġ l-ebda ħażna esterna jew konnettività tan-netwerk hija tibni mudelli direttament fuq it-telefon jew il-pillola tiegħek. Dan mhuwiex kors ta 'taħriġ jew ktieb - huwa app ġenwina ta' tħaffir tad-dejta bbażata fuq it-tagħlim tal-magni.
>> Appoġġ ARFF u CSV Is-settijiet tad-dejta tat-taħriġ iridu jikkonformaw jew mal-format Weka ARFF jew CSV (varjabbli separat minn virgola). Il-fajls CSV għandu jkollhom il-karatteristiċi li ġejjin:
* irid jinkludi ringiela ta' header
* l-attribut tal-klassi huwa inizjalment stabbilit bħala l-aħħar kolonna
>> Forza l-attribut tal-klassi għal nominali Ħafna mill-algoritmi ta' DataLearner jistennew attributi tal-klassi nominali/kategoriċi u l-użu ta' attribut numeriku tal-klassi jikkawża li l-biċċa l-kbira tal-algoritmi jfallu. L-'attribut il-ġdid tal-klassi tal-forza għal nominali' jegħleb dan, madankollu, l-attributi tal-klassi nominali b'ħafna valuri distinti jistgħu jużaw wisq RAM.
*** AĦBARIJIET! Ir-riċerka ta' DataLearner intgħażlet għall-preżentazzjoni fl-ADMA 2019 (15-il Konferenza Internazzjonali dwar il-Minjieri u l-Applikazzjonijiet Avvanzati tad-Data) u se tiġi ppubblikata f''Lecture Notes in Artificial Intelligence' (Springer) ***
DataLearner jinkludi algoritmi ta' klassifikazzjoni, assoċjazzjoni u raggruppament mill-pakkett ta' sors miftuħ Weka (Waikato Environment for Knowledge Analysis), flimkien ma' algoritmi ġodda żviluppati mill-Unità tar-Riċerka tax-Xjenza tad-Data (DSRU) fl-Università Charles Sturt. Magħquda, l-app tipprovdi 42 algoritmu ta’ tagħlim bil-magni/tħaffir tad-dejta, inklużi RandomForest, C4.5 (J48) u NaiveBayes.
DataLearner ma tiġbor l-ebda informazzjoni li teħtieġ aċċess għall-ħażna tat-tagħmir tiegħek sempliċement biex tgħabbi s-settijiet tad-dejta tiegħek u tibni l-mudelli tiegħek ta’ tagħlim bil-magni.
DataLearner qed jintuża bħala għodda ta’ tagħlim fis-suġġett tal-Inġinerija tad-Data u l-Għarfien ITC573 għall-lawrja ta’ post-graduate ta’ Master of Information Technology fl-Università Charles Sturt.
Ikseb ir-riżorsi:
Kodiċi tas-sors liċenzjat bil-GPL3 fuq Github: https://github.com/darrenyatesau/DataLearner
Video ta' malajr fuq YouTube: https://youtu.be/H-7pETJZf-g
Dokument ta’ riċerka dwar arXiv: https://arxiv.org/abs/1906.03773
Dokument tal-konferenza AusDM 2018 li beda DataLearner: https://www.researchgate.net/publication/331126867
Riċerkaturi, jekk tuża din l-app f’applikazzjonijiet ta’ riċerka, jekk jogħġbok ikkwota d-dokumenti ta’ riċerka hawn fuq. Grazzi.
L-algoritmi tat-tagħlim bil-magni jinkludu:
Bayes BayesNet, NaiveBayes
Funzjonijiet Loġistika, SimpleLogistic, MultiLayerPerceptron (Netwerk newrali)
Lazy IBk (K L-Eqreb Ġirien), KStar
Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest
Regoli Regola Konġunta, Tabella tad-Deċiżjoni, DTNB, JRip, OneR, PART, Ridor, ZeroR
Siġar ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, Random Forest, RandomTree, REPTree, SimpleCART, SPAARC, SysFor.
Clusterers DBSCAN, Expectation Maximization (EM), Farthest-First, FilteredClusterer, SimpleKMeans
Assoċjazzjonijiet Apriori, FilteredAssociator, FPGrowth
>> Fejn issib fajls tad-dataset? DataLearner jiġi b'sett ta' dejta demo inkorporat imsejjaħ 'rain.csv', iżda ssib ukoll ħafna settijiet ta' dejta fil-websajt tal-OpenML - inkluż is-sett popolari 'ecoli' (https://www.openml.org). Niżżel il-verżjonijiet tal-ARFF fuq it-telefon tiegħek u tagħbijahom f'DataLearner biex tibni mudelli minnha. Ara l-video tutorial il-ġdid tagħna - https://www.youtube.com/watch?v=81tSbclMVT8
Dan is-software huwa fornut AS-IS - waqt li ġie ttestjat, l-ebda garanzija ma hija implikata jew mogħtija.