小菜與老鳥之機器學習08

最新 07-14

機器學習利器 Orange 介紹

【關鍵字】Orange

Orange 是什麼？

我們來看下官網對 Orange 的介紹。

Data Mining Fruitful and Fun

Open source machine learning and data visualization for novice and expert. Interactive data analysis workflows with a large toolbox.

Orange 是一款面向新手和專家的開源機器學習和數據可視化的軟體，具有大型工具箱的互動式數據分析工作流程，在挖掘數據方面非常有效並且富有樂趣。

本篇文章針對的版本是 Orange 最新版本3.1.4，後面版本升級有可能界面等有所不同，夥伴們要注意。

Orange 最大的特點就是拖拽、可視化、易於理解。軟體菜單有 5 大模塊：

1. Data 數據：表示數據，數據可以來自於默認集合、文件、資料庫表、繪製點數據等等，非常豐富

2. Visualize 可視化：可以看分布圖、散點圖、樹形圖、熱力圖等等

3. Model 模型：包含邏輯回歸、線性回歸、向量機、隨機森林樹等模型，非常豐富

4. Evaluate 評估：評估函數用來測試學習演算法的好壞

5. Unsupervised 無監督：包含了聚類等無監督學習演算法

我們可以通過這 5 大模塊拖拽構建出一個數據挖掘或者機器學習流程。

舉個非常簡單的例子：

我們從 Data 裡面拖拽 File 出來，雙擊 File，默認的數據會載入 iris 鳶尾花的數據集，我們需要把數據按照 8:2 的比例拆分成訓練集和測試集，此時從 Data 裡面拖拽出 Data Sampler （數據取樣器），雙擊

選擇 80% 的比例。

此時數據取樣器會將 File 裡面的數據按照 8:2 拆分出訓練集和測試集，那麼如何看這兩個集合的數據？

從 Data 裡面拖拽出 Data Table，然後用Data Sampler 的輸出（右側弧）連接到 Data Table 的輸入（左側弧），此時弧線上顯示 Data Sample -> Data，表示訓練集，然後再拖拽出一個 Data Table，使用 Data Sampler 的輸出再次連接該 Data Table，此時弧線上顯示還是 Data Sample -> Data，如何讓新的 Data Table 顯示是測試集數據呢？

雙擊 Data Sampler 與第二個 Data Table 連接的弧線，此時出現