DataLearner

برنامج استخراج البيانات والتعلم الآلي واكتشاف المعرفة لنظام Android

DataLearner هي أداة سهلة الاستخدام لاستخراج البيانات واكتشاف المعرفة من مجموعات البيانات التدريبية المتوافقة مع ARFF و CSV. إنه مكتفٍ ذاتيًا بالكامل ، ولا يحتاج إلى تخزين خارجي أو اتصال بالشبكة - فهو يبني طرزًا مباشرة على هاتفك أو جهازك اللوحي.

>> ARFF ودعم CSV <<

يجب أن تكون مجموعات بيانات التدريب إما بتنسيق CSV (متغير مفصول بفواصل) أو تنسيق Weka ARFF.

يجب أن تحتوي ملفات CSV على الميزات التالية:

* تشمل صف رأس

* يتم تعيين السمة class في البداية كعمود أخير

>> قوة فئة السمة إلى << الاسمية

تتوقع معظم خوارزميات DataLearner سمات الفئة الاسمية / الفئوية وسيؤدي استخدام سمة فئة رقمية إلى فشل معظم الخوارزميات. تتغلب ميزة "سمة فئة القوة الجديدة على الاسمية" على هذا ، ومع ذلك ، فإن سمات الفئة الاسمية التي تحتوي على الكثير من القيم المتميزة قد تستهلك الكثير من ذاكرة الوصول العشوائي.

تتميز DataLearner بخوارزميات التصنيف والجمع والتجميع من حزمة Weka (Waikato Environment لتحليل المعرفة) مفتوحة المصدر ، بالإضافة إلى الخوارزميات الجديدة التي طورتها وحدة أبحاث علوم البيانات (DSRU) في جامعة تشارلز ستورت. مجتمعة ، يوفر التطبيق 42 خوارزمية للتعلم / التنقيب عن البيانات ، بما في ذلك RandomForest و C4.5 (J48) و NaiveBayes.

لا تجمع DataLearner أي معلومات - فهي تتطلب الوصول إلى سعة تخزين جهازك لتحميل مجموعات البيانات وإنشاء نماذج التعلم الآلي الخاصة بك.

* يتم استخدام DataLearner كأداة تعليمية في موضوع ITC573 في هندسة البيانات والمعرفة لـ درجة الماجستير في تكنولوجيا المعلومات في جامعة تشارلز ستورت.

* تم تقديم بحث DataLearner في ADMA 2019 (المؤتمر الدولي الخامس عشر حول تعدين وتطبيقات البيانات المتقدمة) ونشر في "ملاحظات المحاضرة في الذكاء الاصطناعي" (Springer)

الحصول على الموارد:

شفرة مصدر مرخصة من GPL3 على Github: https://github.com/darrenyatesau/DataLearner

مقطع فيديو سريع على YouTube: https://youtu.be/H-7pETJZf-g

ورقة بحثية حول arXiv: https://arxiv.org/abs/1906.03773

ورقة مؤتمر AusDM 2018 التي بدأت تشغيل DataLearner: https://www.researchgate.net/publication/331126867

الباحثون ، إذا كنت تستخدم هذا التطبيق في تطبيقات البحوث ، يرجى ذكر الأوراق البحثية أعلاه. شكر.

تشمل خوارزميات التعلم الآلي:

• Bayes - BayesNet ، NaiveBayes

• وظائف - اللوجستية ، SimpleLogistic ، MultiLayerPerceptron (الشبكة العصبية)

• كسول - IBk (K أقرب الجيران) ، KStar

• Meta - AdaBoostM1 ، التعبئة ، LogitBoost ، MultiBoostAB ، لجنة عشوائية ، RandomSubSpace ، RotationForest

• القواعد - القاعدة الملحقة ، جدول القرار ، DTNB ، JRip ، OneR ، PART ، Ridor ، ZeroR

• الأشجار - ADTree ، BFTree ، DecisionStump ، ForestPA ، J48 (C4.5) ، LADTree ، Random Forest ، RandomTree ، REPTree ، SimpleCART ، SPAARC ، SysFor.

• المجموعات - DBSCAN ، تعظيم التوقعات (EM) ، الأبعد أولاً ، FilteredClusterer ، SimpleKMeans

• الجمعيات - Apriori ، FilteredAssociator ، FPGrowth

تنويه: يتم توفير هذا البرنامج "AS-IS" - في حين تم اختباره ، لا يوجد ضمان أو ضمان ضمني أو معطى. استخدمه على مسؤوليتك الخاصة. يظهر تنزيلك لهذا البرنامج أنك توافق على هذه الشروط.