使用Orange3中文版进行数据挖掘

国外开发者用Python实现的、具有GUI的开源数据挖掘和可视化分析平台；其实现算法和库可供研究和使用

orange3 数据可视化软件python3.10，winx64.whl版 3.32

Orange 由斯洛文尼亚大学计算与信息学系的生物信息实验室 BioLab 进行开发，是一款免费开源的数据挖掘软件，可在官网下载，支持 Windows, Linux 和 MacOS。 Orange 由 C++ 和 Python 开发，包含了一系列的可视化组件可以进行数据预处理，建模和模型评估的功能，并且用户还可以在 Python 里调用 Orange。Orange 可以支持分类、回归和聚类算法，全流程采用图形化操作。 Orange 的优点就是开源免费，可视化操作，可以帮助有经验的工程师快速建模，适合高级用户。

橙子 是面向新手和专家的数据挖掘和可视化工具箱。 要使用Orange来探索数据，不需要编程或深入的数学知识。 我们相信，基于工作流的数据科学工具通过隐藏复杂的底层机制并公开直观的概念，从而使数据科学民主化。 拥有数据或有动机窥探数据的任何人都应该有这样做的手段。 贡献 想参与吗？ 加入我们 ，在#general中自我介绍！ 查看我们的，它可能会回答一些问题，并概述了我们遵守的标准。 查看我们的小部件开发 有关编写Orange小部件的全面指南。 如果您正在寻找一个好的起点，请查看我们的 。 橙色生态系统 Orange的开发主要分为三个存储库： 实现画布元素， 实现了小部件窗口的界面元素， 将所有内容整合在一起，并实现了基础数据挖掘工具箱。 此外，附加组件还针对其他更特殊的用例实现了其他小部件。 以下是我们的第一方加载项列表： 配置 建立虚拟环境。 我们推荐 。 conda create python=3 --name orange3 分叉您选择的存储库。 按下页面右上角的fork按钮 克隆它。 git clone ssh://git@github.com/<y

它是一个面向新手和专家的开源的机器学习和数据可视化工具，带有很多用于数据挖掘或机器学习模型的交互式数据分析工作流程；另外，它绑定了Python语言进行脚本开发。包含一系列数据挖掘流程的组件，比如数据预处理，建模，模型评估以及可视化。 数据预处理主要包括：数据合并（将两个不同数据集的指定特征合并为同一数据集）；数据采样，数据异常点去除以及相关性检验（协方差），rank以及置乱等 模型主要包括：CN2规则归纳，k近邻，决策树，随机森林，支持向量机，线性回归，逻辑回归，朴素贝叶斯，adaboost，神经网络，随机梯度下降等 无监督模型有：距离矩阵，t-SNE，层次聚类，K-means，louvain聚类，PCA，MDS等 另外，还支持文本分析，词云可视化等 模型评估主要有：交叉检验，混淆矩阵，ROC曲线，lift曲线等

Orange3-Associate-1.1.5 是一个针对Linux操作系统的安装包，它包含了Orange数据挖掘和分析工具的“关联规则”组件。这个版本号1.1.5表示这是一个更新和改进过的软件版本，通常会修复已知问题并提供新功能。在Linux...

“Orange3_Associate”这个名字暗示它可能与Orange数据挖掘框架有关，尤其是其关联规则学习部分。Orange是一个开源的数据可视化和分析工具，常用于科学和教育领域。Orange3是其最新版本，而“Associate”可能代表它...