DataLearner

Android के लिए डेटा माइनिंग, मशीन लर्निंग और नॉलेज डिस्कवरी सॉफ्टवेयर

DataLearner अपने स्वयं के संगत ARFF और CSV-स्वरूपित प्रशिक्षण डेटासेट से डेटा खनन और ज्ञान की खोज के लिए एक आसान उपयोग उपकरण है। यह पूरी तरह से स्व-निहित है, इसके लिए किसी बाहरी संग्रहण या नेटवर्क कनेक्टिविटी की आवश्यकता नहीं है - यह सीधे आपके फोन या टैबलेट पर मॉडल बनाता है।

>> ARFF और CSV <<

प्रशिक्षण डेटासेट या तो CSV (अल्पविराम से अलग किया गया चर) या Weka ARFF प्रारूप होना चाहिए।

CSV फ़ाइलों में निम्नलिखित विशेषताएं होनी चाहिए:

* हेडर पंक्ति शामिल करें

* वर्ग विशेषता को शुरू में अंतिम कॉलम के रूप में सेट किया गया है

>> नाममात्र के लिए बल वर्ग विशेषता <<

अधिकांश DataLearner के एल्गोरिदम नाममात्र / श्रेणीबद्ध वर्ग विशेषताओं की उम्मीद करते हैं और एक संख्यात्मक वर्ग विशेषता का उपयोग करने से अधिकांश एल्गोरिदम विफल हो जाएंगे। नई 'फोर्स क्लास एट्रीब्यूट टू नॉमिनल' फीचर इस पर काबू पा लेता है, हालांकि, बहुत सारे अलग-अलग वैल्यू वाले नॉमिनल क्लास के फीचर्स बहुत ज्यादा रैम का इस्तेमाल कर सकते हैं।

डेटालेयर ने चार्ल्स स्टर्ट यूनिवर्सिटी में डेटा साइंस रिसर्च यूनिट (डीएसआरयू) द्वारा विकसित ओपन-सोर्स वीका (वाइकाटो एनवायरमेंट फॉर नॉलेज एनालिसिस) पैकेज से वर्गीकरण, एसोसिएशन और क्लस्टरिंग एल्गोरिदम की सुविधा दी है। संयुक्त, एप्लिकेशन रैंडमफॉरस्ट, C4.5 (J48) और NaiveBayes सहित 42 मशीन-सीखने / डेटा-खनन एल्गोरिदम प्रदान करता है।

DataLearner कोई जानकारी एकत्र नहीं करता है - इसे आपके डिवाइस स्टोरेज तक पहुंच की आवश्यकता है बस अपने डेटासेट को लोड करने और अपने मशीन-लर्निंग मॉडल बनाने के लिए।

* DataLearner को ITC573 डेटा और नॉलेज विषय विषय में एक शिक्षण उपकरण के रूप में उपयोग किया जा रहा है चार्ल्स स्टर्ट विश्वविद्यालय में सूचना प्रौद्योगिकी के स्नातकोत्तर डिग्री के मास्टर।

* DataLearner शोध ADMA 2019 (उन्नत डेटा खनन और अनुप्रयोगों पर 15 वां अंतर्राष्ट्रीय सम्मेलन) में प्रस्तुत किया गया था और 'कृत्रिम बुद्धिमत्ता में व्याख्यान नोट्स' (स्प्रिंगर) में प्रकाशित किया गया था।

संसाधन प्राप्त करें:

Github पर GPL3- लाइसेंस प्राप्त स्रोत कोड: https://github.com/darrenyatesau/DataLearner

YouTube पर त्वरित वीडियो: https://youtu.be/H-7pETJZf-g

ArXiv पर शोध पत्र: https://arxiv.org/abs/1906.03773

AusDM 2018 कांफ्रेंस पेपर जिसने डाटालाइनर की शुरुआत की: https://www.researchgate.net/publication/331126867

शोधकर्ता, यदि आप अनुसंधान अनुप्रयोगों में इस एप्लिकेशन का उपयोग करते हैं, तो कृपया ऊपर दिए गए शोध पत्रों का हवाला दें। धन्यवाद।

मशीन-लर्निंग एल्गोरिदम में शामिल हैं:

• बेयस - बेयसनेट, नैवेबेस

• कार्य - लॉजिस्टिक, सिंपलोगिस्टिक, मल्टीलेयरपेप्ट्रॉन (तंत्रिका नेटवर्क)

• आलसी - IBk (K निकटतम पड़ोसी), KStar

• मेटा - AdaBoostM1, Bagging, LogitBoost, MultiBoostAB, रैंडम कमेटी, रैंडमubSpace, रोटेशनफोरस्ट

• नियम - संयोजक नियम, निर्णय तालिका, DTNB, JRip, OneR, PART, Ridor, ZeroR

• पेड़ - ADTree, BFTree, DecisionStump, ForestPA, J48 (C4.5), LADTree, रैंडम फॉरेस्ट, RandomTree, REPTree, SimpleCART, SPAARC, SysFor।

• क्लस्टर - डीबीएससीएन, एक्सपेक्टेशन मैक्सिमाइजेशन (ईएम), सबसे पहले, फिल्टर्ड क्लस्टर, सिंपलकेमन्स

• संघों - एप्रीओरी, फ़िल्टरएड सोसाइटी, एफपीजीरोथ

अस्वीकरण: इस सॉफ्टवेयर को "एएस-आईएस" आपूर्ति की जाती है - जबकि इसका परीक्षण किया गया है, कोई वारंटी या गारंटी निहित या दी नहीं गई है। अपने जोखिम पर इसका इस्तेमाल करो। इस सॉफ़्टवेयर के आपके डाउनलोडिंग से पता चलता है कि आप इन शर्तों से सहमत हैं।