DataLearner - Data Mining Software for Android for Android APK

Beschreiwung

DataLearner ass en einfach ze benotzen Tool fir Datemining a Wëssen Entdeckung vun Ären eegene kompatiblen ARFF an CSV-formatéierten Trainingsdatesets (* kuckt hei ënnen). Seng komplett selbstänneg, erfuerdert keng extern Späichere oder Netzwierkverbindung, et baut Modeller direkt op Ärem Telefon oder Tablet. Dëst ass keen Trainingscours oder Buch - et ass eng echt Maschinnléiere-baséiert Datemining App.

>> ARFF an CSV ënnerstëtzen <<

Trainingsdatesets mussen entweder dem Weka ARFF Format oder CSV (komma-getrennt Variabel) konform sinn. CSV Dateien mussen déi folgend Funktiounen hunn:

* muss eng Header Zeil enthalen

* Klass Attribut ass am Ufank als lescht Kolonn gesat

>> Force class Attribut to nominal <<

Déi meescht vun den Algorithmen vun DataLearner erwaarden nominell/kategoresch Klass Attributer an d'Benotzung vun engem numeresche Klass Attribut wäert déi meescht Algorithmen ausfalen. Déi nei "Kraaft Klass Attribut zu Nominell" iwwerwannt dëst, awer, Nominell Klass Attributer mat ze vill verschidde Wäerter kënnen ze vill RAM benotzen.

*** NEWS! DataLearner Fuerschung gouf fir d'Presentatioun op der ADMA 2019 (15th International Conference on Advanced Data Mining and Applications) ausgewielt a gëtt an 'Lecture Notes in Artificial Intelligence' (Springer) publizéiert ***

DataLearner weist Klassifikatioun, Associatioun a Clustering Algorithmen aus dem Open-Source Weka (Waikato Environment for Knowledge Analysis) Package, plus nei Algorithmen entwéckelt vun der Data Science Research Unit (DSRU) op der Charles Sturt University. Kombinéiert bitt d'App 42 Maschinnléieren/Datemining Algorithmen, dorënner RandomForest, C4.5 (J48) an NaiveBayes.

DataLearner sammelt keng Informatioun et erfuerdert Zougang zu Ärem Apparatlagerung einfach fir Är Datesätz ze lueden an Är Maschinnléiermodeller ze bauen.

DataLearner gëtt als Léierinstrument am ITC573 Data and Knowledge Engineering Fach fir de Master of Information Technology Postgraduate Grad op der Charles Sturt University benotzt.

Kritt d'Ressourcen:

GPL3-lizenzéierte Quellcode op Github: https://github.com/darrenyatesau/DataLearner

Quick Video op YouTube: https://youtu.be/H-7pETJZf-g

Fuerschung Pabeier iwwer arXiv: https://arxiv.org/abs/1906.03773

AusDM 2018 Konferenzpabeier deen DataLearner initiéiert huet: https://www.researchgate.net/publication/331126867

Fuerscher, wann Dir dës App a Fuerschungsapplikatiounen benotzt, zitéiert w.e.g. d'Fuerschungspabeieren hei uewen. Merci.

Machine-Learning Algorithmen enthalen:

Bayes BayesNet, NaiveBayes

Funktiounen Logistesch, SimpleLogistic, MultiLayerPerceptron (Neural Network)

Lazy IBk (K noosten Noperen), KStar

Meta AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, Random Committee, RandomSubSpace, RotationForest

Regelen Konjunktiv Regel, Entscheedungstabell, DTNB, JRip, OneR, PART, Ridor, ZeroR

Beem 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

>> Wou fannt Dir Datendateien? <<

DataLearner kënnt mat enger agebauter Demo-Datebank mam Numm 'rain.csv', awer Dir fannt och vill Datesätz op der OpenML Websäit - dorënner de populäre 'ecoli' Set (https://www.openml.org). Luet d'ARFF Versiounen op Ären Telefon erof a lued se an DataLearner fir Modeller ze bauen. Kuckt eisen neie Video Tutorial - https://www.youtube.com/watch?v=81tSbclMVT8

Dës Software gëtt AS-IS geliwwert - wärend se getest gouf, gëtt keng Garantie implizéiert oder gëtt.