orange數(shù)據(jù)挖掘軟件

Orange 是一個基于組件的數(shù)據(jù)挖掘和機器學(xué)習(xí)軟件套裝，它的功能即友好，又很強大，快速而又多功能的可視化編程前端，以便瀏覽數(shù)據(jù)分析和可視化，基綁定了Python以進行腳本開發(fā)。它包含了完整的一系列的組件以進行數(shù)據(jù)預(yù)處理，并提供了數(shù)據(jù)帳目，過渡，建模，模式評估和勘探的功能。其由C++ 和 Python開發(fā)，它的圖形庫是由跨平臺的Qt框架開發(fā)。

數(shù)據(jù)是怎么導(dǎo) 入Orange里的：

具體操作是用python嗎

你數(shù)據(jù)是存在哪兒的，如果是存在mysql里面的，那可以 使用orngMySQL和orngSQL模塊，如下所示 t=orngMySQL.Connect('localhost','root','','test') data=t.query("SELECT * FROM busclass") tree=orngTree.TreeLearner(data) orngTree.printTxt(tree,nodeStr="%V (%1.0N)",leafStr="%V (%1.0N)")

Orange怎么用？

Orange是類似KNIME和Weka KnowledgeFlow的數(shù)據(jù)挖掘工具，它的圖形環(huán)境稱為Orange畫布（OrangeCanvas），用戶可以在畫布上放置分析控件（widget），然后把控件連接起來即可組成挖掘流程。這里的控件和KNIME中的節(jié)點是類似的概念。每個控件執(zhí)行特定的功能，但與KNIME中的節(jié)點不同，KNIME節(jié)點的輸入輸出分為兩種類型（模型和數(shù)據(jù)），而Orange的控件間可以傳遞多種不同的信號，比如learners, classifiers, evaluation results, distance matrices, dendrograms等等。Orange的控件不象KNIME的節(jié)點分得那么細，也就是說要完成同樣的分析挖掘任務(wù)，在Orange里使用的控件數(shù)量可以比KNIME中的節(jié)點數(shù)少一些。

Orange的好處是使用更簡單一些，但缺點是控制能力要比KNIME弱。
除了界面友好易于使用的優(yōu)點，Orange的強項在于提供了大量可視化方法，可以對數(shù)據(jù)和模型進行多種圖形化展示，并能智能搜索合適的可視化形式，支持對數(shù)據(jù)的交互式探索。
Orange的弱項在于傳統(tǒng)統(tǒng)計分析能力不強，不支持統(tǒng)計檢驗，報表能力也有限。Orange的底層核心也是采用C++編寫，同時允許用戶使用Python腳本語言來進行擴展開發(fā)。

支持Python的Orange數(shù)據(jù)挖掘軟件實例：

Orange的特點是界面友好易于使用，提供大量可視化方法，提供Python編程接口，于是決定試用一下。

網(wǎng)上可以搜索到的Orange中文資料不多，這篇《利用orange進行關(guān)聯(lián)規(guī)則挖掘》 給了一個通過Python調(diào)用Orange中的Apriori算法進行關(guān)聯(lián)分析的例子，更詳細的通過Python調(diào)用Orange的文檔參考官網(wǎng)上的Beginning with Orange.圖形界面的使用沒看到文檔，不過界面簡單易懂，看看features里的screenshots也可猜個大概。參考Beginning with Orange中的Classification小節(jié)，以用Naive Bayesian Classifer處理Orange自帶的示例數(shù)據(jù)集voting.tab為例，對代碼做了少量修改：

#-*- encoding: utf-8 -*-
# 導(dǎo)入orange包
import orange
# 導(dǎo)入測試數(shù)據(jù)voting.tab
data = orange.ExampleTable("voting")
# 使用Naive Bayesian Classifer
classifier = orange.BayesLearner(data)
 
# 輸出
all_data = len(data)
bingo = 0
 
for d in data:
     
# 分類器輸出的類別
    cc = classifier(d)
    
# 原文件中數(shù)據(jù)中的類別
    oc = d.getclass()
    if oc == cc:
        print 'bingo!',
        bingo += 1
    else:
        print 'oh,no!',
    print "original", oc, "classified as", cc
# 輸出Classification Accuracy
print "CA: %.4f" % (float(bingo)/all_data)

運行上面的代碼，可得到如下輸出：
bingo! original republican classified as republican
……
bingo! original republican classified as republican
bingo! original republican classified as republican
CA: 0.9034
分類準確率CA為0.9034.
Python調(diào)用非常容易，只用了十幾行代碼，不過如果用圖形界面，這個簡單的分類只需要選擇Data->File，Classify->Naive Bayes和Evaluate->Test Learners就行了，如下圖所示，在File窗口中選擇Data File為voting.tab，通過簡單的拖拉將widget連起來即可，雙擊Test Learners可以看到CA為0.9011.

對比Python代碼的輸出和圖形界面的結(jié)果，會發(fā)現(xiàn)兩個結(jié)果不一致，原因是圖形界面中使用的是5重交叉驗證，而代碼中使用的訓(xùn)練數(shù)據(jù)，如果選擇”Test on train data”，兩者就一致了。