河南网站建设制作,畅想网络网站建设推广,山东网站备案公司,wordpress该站点地址本篇介绍一个适合初学者入门的机器学习工具。
Orange 简介
Orange 是一个开源的数据挖掘和机器学习软件。Orange 基于 Python 和 C/C 开发#xff0c;提供了一系列的数据探索、可视化、预处理以及建模组件。
Orange 拥有漂亮直观的交互式用户界面#xff0c;非常适合新手进… 本篇介绍一个适合初学者入门的机器学习工具。
Orange 简介
Orange 是一个开源的数据挖掘和机器学习软件。Orange 基于 Python 和 C/C 开发提供了一系列的数据探索、可视化、预处理以及建模组件。
Orange 拥有漂亮直观的交互式用户界面非常适合新手进行探索性数据分析和可视化展示同时高级用户也可以将其作为 Python 的一个编程模块进行数据操作和组件开发。
Orange 由卢布尔雅那大学于 1996 年开发从 3.0 版本开始使用 Python 代码库进行科学计算例如 numpy、scipy 以及 scikit-learn前端的图形用户界面使用跨平台的 Qt 框架。Orange 支持 Windows、macOS 以及 Linux 平台。
Orange 安装
首先打开 Orange 官方下载页面Orange Data Mining - Download 下载页面提供了几种安装方式
Miniconda直接点击“Download”按钮下载 Orange3-Miniconda-x86_64.exe 文件后双击运行。
Anaconda如果系统已经 Anaconda 发行版执行以下两个命令
conda config --add channels conda-forge
conda install orange3 Python Package Index执行以下命令
pip install orange3
安装完成后在命令行输入以下命令可以启动 Orange 图形界面
orange-canvas
# 或者
python -m Orange.canvas
启动之后显示以下欢迎界面。 欢迎界面提供了新建、打开工作流workflow的快捷方式以及各种教程、示例和使用文档关闭该界面就进入了 Orange 主界面。 示例教程
打开 Orange 主界面左侧显示了默认安装时提供的许多机器学习、预处理以及可视化的算法这些功能被划分为 5 个组件集数据、可视化、模型、评估以及无监督算法。 其中的组件包括
数据Data包含数据输入、数据保存、数据过滤、抽样、插补、特征操作以及特征选择等组件同时还支持嵌入 Python 脚本。可视化Visualize包含通用可视化箱形图、直方图、散点图和多变量可视化马赛克图、筛分曲线图组件。模型Model包含一组用于分类和回归的有监督机器学习算法组件。评估Evaluate交叉验证、抽样程序、可靠性评估以及预测方法评估。无监督算法Unsupervised用于聚类k-means、层次聚类和数据降维多维尺度变换、主成分分析、相关分析的无监督学习算法。
另外还可以通过插件add-ons的方式为 Orange 增加其他的功能生物信息学、数据融合与文本挖掘。添加的方法是点击“Options”菜单下的“Add-ons”按钮打开插件管理器。 然后勾选所需的插件点击“OK”按钮进行安装安装插件后有可能需要重启 Orange 才能在左侧出现。
Orange 主界面的右侧是一个工作区canvas用于放置各种组件并构成一个数据分析的工作流。我们可以组合左侧的组件实现读取数据、显示数据表、选择特征、训练预测器、比较学习算法以及交互式可视化等功能。为了方便初学者Orange 提供了许多实用的工作流示例。
点击“Help”菜单下的“Example Workflows”按钮打开工作流示例界面。 我们选择“Classification Tree”这是一个用于分类的决策树示例。 我们可以通过示例中的说明了解每个组件的作用和工作流程其中的组件包括
打开数据文件的 File 组件用于打开包含鸢尾花Iris数据集的文件这是一个经典的数据挖掘数据集用于分类的决策树组件Classification Tree这是一个决策树算法分类树可视化组件Tree Viewer用于显示分类树的结果散点图组件Scatter Plot显示选定数据的散点图箱形图组件Box Plot显示选定数据的箱型图。组件之间的连线代表了数据流的方向。
通过这些组件的简单组合构建了一个交互式分类树浏览器。我们可以点击这些组件对其进行设置和调整例如文件组件 文件组件可以加载数据文件或者在线 URL 资源并且对每个数据属性的类型、角色等进行设置。分类树组件可以对决策算法进行设置 分类树可视化组件可以提供直观的分类结果 散点图组件可以根据分类树可视化组件中选择的节点数据显示相应的散点图实现同步刷新 我们也可以从 Orange 官方网站下载更多的示例。Orange Data Mining - Workflows
对于初学者而言只需要在 Orange 图形界面中通过拖拽加点击的方式就可以实现常见的数据分析、探索、可视化以及数据挖掘任务对于高级用户可以通过开发自定义的组件Widget实现扩展的功能或者在 Python 中利用 Orange 代码库编写数据挖掘脚本程序。相关内容可以参考 Orange 官方文档。 参考
Orange一个基于 Python 的数据挖掘和机器学习平台_orange python_不剪发的Tony老师的博客-CSDN博客
入门教程https://blog.csdn.net/weixin_39461079/category_12101011.html
