20230128-数据挖掘好帮手-Orange3使用记录

最新推荐文章于 2024-09-14 22:51:14 发布

繁星之歌~

最新推荐文章于 2024-09-14 22:51:14 发布

阅读量1.8k

点赞数 43

文章标签：机器学习 python

本文链接：https://blog.csdn.net/mengfan_1993/article/details/125613822

版权

Orange3是一个很简单快捷的数据挖掘和探索软件，能快速的应用机器学习算法对数据进行分析，但是中文版的教程偏少，因此结合YouTube上的官网视频及其他资料，在此对软甲的使用技巧进行简单的记录的总结。
能力有限，部分内容可能不够准确，如有发现，会及时修改。

Getting Started with Orange

01 Welcome to Orange

当你第一次打开Orange3的时候，首先看到欢迎界面。从这里你可以开始一个新的数据分析流程或者打开最近的文件。
Orange3与众不同的特性是小部件(widgets)，它是Orange中的基本计算单元。可以读取、处理和可视化数据，聚类、建立预测模型等其他一系列的数据探索工作。它们都分布在主界面的左边。
图1 Orange欢迎界面

图1 Orange欢迎界面

接下来介绍读取文件的流程：

File部件：用于读取我们的数据。
双击打开File文件管理器，读取文件（图2）。

orange的基本格式是tab，但是也可以很轻松的读取xlsx等格式的文件。

图2 File部件读取文件

图2 File文件读取界面

Data Table部件：查看具体的数据（图3）。

图3 Table部件界面

图3 Data Table界面

Scatter Plot部件：查看散点图特征（图4），"Find information Projections"可以发现对分类最有效的特征。

图4 Scatter Plot部件界面

02 Data Workflows

在Orange3中创建数据分析工作流是很简单的，我们首先在File部件中加载时数据，随后在Data Table中查看数据。

Distributions部件：可以查看数据分布，判断哪些特征数据有较好的分类属性（图5）。

图5 Distribution部件界面

Scatter Plot部件："Find information Projections"可以发现对分类最有效的特征，选择一部分重叠的散点数据，随后添加一个Data Table可以查看已选择的数据特征（图6）。

图6 Scatter Plot部件中的Find information Projections及部件间的数据通信

03 Widgets and Channels

一些数据挖掘部件和它们之间的信息串联
Tips：为了有更大的画布，可以点击工具栏中的view中Expand Tool Duck。

Orange中有3种方式可以加载部件(widgets)：

a）点击小部件窗口，部件会出现在右侧的画布(canvas)中；
b）点击并拖拽部件到画布中;
c）画布上右键，部件菜单会出现，而且可以使用搜素框。
d）从某一部件的输出拖拽一个连接线到画布的空白区域，orange会建议一些能够可该部件链接的部件（orange不会允许你链接互不兼容的两个部件）；

Orange中的部件连接：
双击连接线可以对部件之间的连接进行编辑（图7）。
图7 部件间的数据连接

图7 部件间的数据连接

04 Loading Your Data

准备程序所能够读取的数据是数据挖掘工作中的重点。
Orange可以读取Excel、tab和逗号分隔的文件。

下面将简述Orange中对数据的预处理过程：
本次处理的表格数据如下，可自行复制到表格中保存进行操作。

name	gender	height	weight	eye color	hair color
Jill	female	1.6	52	blue	brown
Jack	male	1.75	78	brown	brown
Mark	male	1.65	67	brown	black
Ann	female	1.7	62	green	blond
Beb	male	1.85	89	blue	blond
Tom	male	1.9	93	blue	red
Kate	female	1.67	56	brown	brown
Mary	female	1.64	70	blue	red

Select Columns部件：与File部件连接，可对数据中的特征(feature)、目标变量(Target Variable)和元属性(Meta Attributes)进行选择(图8上)，如图8中将性别gender设置为目标变量，name设置为元属性，随后使用Data Table部件就可以看到列特征的不同(图8下)。

图8 Select Columns部件界面及Data Table
Save Data部件：可以将数据进行保存，建议tab格式。
Orange数据格式：(1)C代表了连续型的数值数据(numerical)；(2)D代表了离散(discrete)和分类(categorical)数据；(3)S代表文本数据(string)；
此外，class可表示属性种类，meta代表了一些额外的信息。其表格形式如下：

name	gender	height	weight	eye color	hair color
s	d	c	c	d	d
meta	class
Jill	female	1.6	52	blue	brown
Jack	male	1.75	78	brown	brown
Mark	male	1.65	67	brown	black
Ann	female	1.7	62	green	blond
Beb	male	1.85	89	blue	blond
Tom	male	1.9	93	blue	red
Kate	female	1.67	56	brown	brown
Mary	female	1.64	70	blue	red