Orange 簡介

Orange 是一個開源的數據挖掘和機器學習軟件。Orange 基于 Python 和 C/C++ 開發，提供了一系列的數據探索、可視化、預處理以及建模組件。

Orange 擁有漂亮直觀的交互式用戶界面，非常適合新手進行探索性數據分析和可視化展示；同時高級用戶也可以將其作為 Python 的一個編程模塊進行數據操作和組件開發。

Orange 由盧布爾雅那大學于 1996 年開發，從 3.0 版本開始使用 Python 代碼庫進行科學計算，例如 numpy、scipy 以及 scikit-learn；前端的圖形用戶界面使用跨平臺的 Qt 框架。Orange 支持 Windows、macOS 以及 Linux 平臺。

Orange 安裝

首先，打開 Orange 官方下載頁面。

下載頁面提供了幾種安裝方式：

Miniconda，直接點擊“Download”按鈕，下載 Orange3-Miniconda-x86_64.exe 文件后雙擊運行。

Anaconda，如果系統已經 Anaconda 發行版，執行以下兩個命令： conda config --add channels conda-forge

conda install orange3

Python Package Index，執行以下命令： pip install orange3

安裝完成后，在命令行輸入以下命令可以啟動 Orange 圖形界面：

orange-canvas

# 或者

python -m Orange.canvas

啟動之后顯示以下歡迎界面。

歡迎界面提供了新建、打開工作流(workflow)的快捷方式以及各種教程、示例和使用文檔，關閉該界面就進入了 Orange 主界面。

示例教程

打開 Orange 主界面，左側顯示了默認安裝時提供的許多機器學習、預處理以及可視化的算法，這些功能被劃分為 5 個組件集(數據、可視化、模型、評估以及無監督算法)。

其中的組件包括：

數據(Data)：包含數據輸入、數據保存、數據過濾、抽樣、插補、特征操作以及特征選擇等組件，同時還支持嵌入 Python 腳本。

可視化(Visualize)：包含通用可視化(箱形圖、直方圖、散點圖)和多變量可視化(馬賽克圖、篩分曲線圖)組件。

模型(Model)：包含一組用于分類和回歸的有監督機器學習算法組件。

評估(Evaluate)：交叉驗證、抽樣程序、可靠性評估以及預測方法評估。

無監督算法(Unsupervised)：用于聚類(k-means、層次聚類)和數據降維(多維尺度變換、主成分分析、相關分析)的無監督學習算法。

另外，還可以通過插件(add-ons)的方式為 Orange 增加其他的功能(生物信息學、數據融合與文本挖掘。添加的方法是點擊“Options”菜單下的“Add-ons”按鈕，打開插件管理器。

然后勾選所需的插件，點擊“OK”按鈕進行安裝；安裝插件后有可能需要重啟 Orange 才能在左側出現。

Orange 主界面的右側是一個工作區(canvas)，用于放置各種組件并構成一個數據分析的工作流。我們可以組合左側的組件實現讀取數據、顯示數據表、選擇特征、訓練預測器、比較學習算法以及交互式可視化等功能。為了方便初學者，Orange 提供了許多實用的工作流示例。

點擊“Help”菜單下的“Example Workflows”按鈕，打開工作流示例界面。

我們選擇“Classification Tree”，這是一個用于分類的決策樹示例。

我們可以通過示例中的說明了解每個組件的作用和工作流程，其中的組件包括：

打開數據文件的 File 組件，用于打開包含鳶尾花(Iris)數據集的文件，這是一個經典的數據挖掘數據集；

用于分類的決策樹組件(Classification Tree)，這是一個決策樹算法；

分類樹可視化組件(Tree Viewer)，用于顯示分類樹的結果；

散點圖組件(Scatter Plot)，顯示選定數據的散點圖；

箱形圖組件(Box Plot)，顯示選定數據的箱型圖。

組件之間的連線代表了數據流的方向。

通過這些組件的簡單組合，構建了一個交互式分類樹瀏覽器。我們可以點擊這些組件，對其進行設置和調整，例如文件組件：

文件組件可以加載數據文件或者在線 URL 資源，并且對每個數據屬性的類型、角色等進行設置。分類樹組件可以對決策算法進行設置：

分類樹可視化組件可以提供直觀的分類結果：

散點圖組件可以根據分類樹可視化組件中選擇的節點數據顯示相應的散點圖，實現同步刷新：

📝我們也可以從 Orange 官方網站下載更多的示例。

對于初學者而言，只需要在 Orange 圖形界面中通過拖拽加點擊的方式就可以實現常見的數據分析、探索、可視化以及數據挖掘任務；對于高級用戶，可以通過開發自定義的組件(Widget)實現擴展的功能，或者在 Python 中利用 Orange 代碼庫編寫數據挖掘腳本程序。相關內容可以參考Orange 官方文檔。

更多數據挖掘和機器學習領域的文章，歡迎關注??、點贊👍、轉發📣！

總結

以上是生活随笔為你收集整理的python 数据挖掘论文,Orange：一个基于 Python 的数据挖掘和机器学习平台的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。