DataLearner - Data Mining Software for Android APK

描述

DataLearner 是一个易于使用的工具，用于从您自己的兼容 ARFF 和 CSV 格式的训练数据集（* 见下文）中进行数据挖掘和知识发现。它完全独立，不需要外部存储或网络连接，它可以直接在您的手机或平板电脑上构建模型。这不是培训课程或书籍——它是真正的基于机器学习的数据挖掘应用程序。

>> ARFF 和 CSV 支持 训练数据集必须符合 Weka ARFF 格式或 CSV（逗号分隔变量）。 CSV 文件必须具有以下特征：

* 必须包含标题行

* 类属性最初设置为最后一列

>> 强制类属性为名义 大多数 DataLearner 的算法都需要名义/分类类属性，使用数字类属性将导致大多数算法失败。新的“强制类属性为名义”克服了这一点，但是，具有太多不同值的名义类属性可能会占用太多 RAM。

*** 消息！ DataLearner 研究已被选中在 ADMA 2019（第 15 届高级数据挖掘和应用国际会议）上发表，并将发表在“人工智能讲座笔记”（Springer）中***

DataLearner 具有来自开源 Weka（Waikato 知识分析环境）包的分类、关联和聚类算法，以及查尔斯特大学数据科学研究单位 (DSRU) 开发的新算法。结合起来，该应用程序提供了 42 种机器学习/数据挖掘算法，包括 RandomForest、C4.5 (J48) 和 NaiveBayes。

DataLearner 不收集任何信息，它需要访问您的设备存储来加载您的数据集和构建您的机器学习模型。

DataLearner 被用作查尔斯特大学信息技术硕士研究生学位 ITC573 数据和知识工程学科的教学工具。

获取资源：

Github 上 GPL3 许可的源代码：https://github.com/darrenyatesau/DataLearner

YouTube 上的快速视频：https://youtu.be/H-7pETJZf-g

arXiv 研究论文：https://arxiv.org/abs/1906.03773

发起 DataLearner 的 AusDM 2018 会议论文：https://www.researchgate.net/publication/331126867

研究人员，如果您在研究应用中使用这个应用程序，请引用上面的研究论文。谢谢。

机器学习算法包括：

贝叶斯 BayesNet, NaiveBayes

函数 Logistic、SimpleLogistic、MultiLayerPerceptron（神经网络）

惰性 IBk（K 最近邻），KStar

元 AdaBoostM1、Bagging、LogitBoost、MultiBoostAB、随机委员会、RandomSubSpace、RotationForest

规则 连接规则、决策表、DTNB、JRip、OneR、PART、Ridor、ZeroR

树 ADTree、BFTree、DecisionStump、ForestPA、J48 (C4.5)、LADTree、随机森林、RandomTree、REPTree、SimpleCART、SPAARC、SysFor。

集群 DBSCAN、期望最大化 (EM)、Farthest-First、FilteredClusterer、SimpleKMeans

关联 Apriori、FilteredAssociator、FPGrowth

>> 在哪里可以找到数据集文件？ DataLearner 附带一个名为“rain.csv”的内置演示数据集，但您也可以在 OpenML 网站上找到大量数据集 - 包括流行的“ecoli”集 (https://www.openml.org)。将 ARFF 版本下载到您的手机并将它们加载到 DataLearner 以从中构建模型。观看我们的新视频教程 - https://www.youtube.com/watch?v=81tSbclMVT8

此软件按原样提供 - 虽然它已经过测试，但不暗示或给出任何保证。