orange数据挖掘软件 2.7 官方最新版

Orange 是一个基于组件的数据挖掘和机器学习软件套装，它的功能即友好，又很强大，快速而又多功能的可视化编程前端，以便浏览数据分析和可视化，基绑定了Python以进行脚本开发。它包含了完整的一系列的组件以进行数据预处理，并提供了数据帐目，过渡，建模，模式评估和勘探的功能。其由C++ 和 Python开发，它的图形库是由跨平台的Qt框架开发。

具体操作是用python吗

你数据是存在哪儿的，如果是存在mysql里面的，那可以 使用orngMySQL和orngSQL模块，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是类似KNIME和Weka KnowledgeFlow的数据挖掘工具，它的图形环境称为Orange画布（OrangeCanvas），用户可以在画布上放置分析控件（widget），然后把控件连接起来即可组成挖掘流程。这里的控件和KNIME中的节点是类似的概念。每个控件执行特定的功能，但与KNIME中的节点不同，KNIME节点的输入输出分为两种类型（模型和数据），而Orange的控件间可以传递多种不同的信号，比如learners, classifiers, evaluation results, distance matrices, dendrograms等等。Orange的控件不象KNIME的节点分得那么细，也就是说要完成同样的分析挖掘任务，在Orange里使用的控件数量可以比KNIME中的节点数少一些。

Orange的好处是使用更简单一些，但缺点是控制能力要比KNIME弱。
除了界面友好易于使用的优点，Orange的强项在于提供了大量可视化方法，可以对数据和模型进行多种图形化展示，并能智能搜索合适的可视化形式，支持对数据的交互式探索。
Orange的弱项在于传统统计分析能力不强，不支持统计检验，报表能力也有限。Orange的底层核心也是采用C++编写，同时允许用户使用Python脚本语言来进行扩展开发。

Orange的特点是界面友好易于使用，提供大量可视化方法，提供Python编程接口，于是决定试用一下。

网上可以搜索到的Orange中文资料不多，这篇《利用orange进行关联规则挖掘》 给了一个通过Python调用Orange中的Apriori算法进行关联分析的例子，更详细的通过Python调用Orange的文档参考官网上的Beginning with Orange.图形界面的使用没看到文档，不过界面简单易懂，看看features里的screenshots也可猜个大概。参考Beginning with Orange中的Classification小节，以用Naive Bayesian Classifer处理Orange自带的示例数据集voting.tab为例，对代码做了少量修改：

#-*- encoding: utf-8 -*-
# 导入orange包
import orange
# 导入测试数据voting.tab
data = orange.ExampleTable("voting")
# 使用Naive Bayesian Classifer
classifier = orange.BayesLearner(data)
 
# 输出
all_data = len(data)
bingo = 0
 
for d in data:
    
# 分类器输出的类别
    cc = classifier(d)
   
# 原文件中数据中的类别
    oc = d.getclass()
    if oc == cc:
        print 'bingo!',
        bingo += 1
    else:
        print 'oh,no!',
    print "original", oc, "classified as", cc
# 输出Classification Accuracy
print "CA: %.4f" % (float(bingo)/all_data)

运行上面的代码，可得到如下输出：
bingo! original republican classified as republican
……
bingo! original republican classified as republican
bingo! original republican classified as republican
CA: 0.9034
分类准确率CA为0.9034.
Python调用非常容易，只用了十几行代码，不过如果用图形界面，这个简单的分类只需要选择Data->File，Classify->Naive Bayes和Evaluate->Test Learners就行了，如下图所示，在File窗口中选择Data File为voting.tab，通过简单的拖拉将widget连起来即可，双击Test Learners可以看到CA为0.9011.

对比Python代码的输出和图形界面的结果，会发现两个结果不一致，原因是图形界面中使用的是5重交叉验证，而代码中使用的训练数据，如果选择”Test on train data”，两者就一致了。