[轉載]易上手的資料探勘、視覺化與機器學習工具:Orange介紹

標籤

PostgreSQL , Orange3 , 視覺化 , 時空資料

---

背景

視覺化分析會是一個讓枯燥的資料說話的快捷途徑，降低視覺化分析門檻，同時又保留它的程式設計能力，是非常重要的。

如今資料種類越來越多，除了常見的數值、文字，還有陣列、K-V、影像、空間資料、波、基因 等等。對視覺化分析軟體的要求也越來越高。

原文

http://blog.just4fun.site/Orange-startup.html

之前陸續寫過幾篇介紹資料探勘/視覺化專案Caravel的文章：

• caravel系列之安裝與入門
• caravel系列之簡易配置/定製
• caravel系列之案例講解與分析
• caravel系列之架構與原始碼淺析

如今直接去github搜尋caravel已經搜不到它了。它最近換了新馬甲，改叫superset，至於為何頻繁改名（分別叫過Panoramix，Caravel，Superset），我猜核心作者早年混跡論壇，與人吵架，常換馬甲：）

對資料視覺化的興趣一直未減，近期發現兩個有趣的專案，其一就是這篇文章的主角:Orange,另一個是google釋出的Embedding Projector（基於Tensorflow）

Orange初體驗

現在，你可以直接在這裡下載到最新的Orange軟體，Orange釋出了各個平臺的安裝包，選擇你當前平臺的安裝包，雙擊安裝即可，安裝過程十分友好。

和許多資料分析的專案不同，其他專案多數面向資料分析從業人員、軟體開發者。而Orange讓各行各業對資料探勘和視覺化感興趣的人都能參與其中，而不必有程式設計基礎

安裝完畢開啟軟體，跟著以下教程即可對它做大致瞭解

簡介

官方首頁對這個專案的介紹是：

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

該專案原始碼開放，對新手友好，同時也勝任專業的資料分析工作。

Orange是一個基於元件的資料探勘軟體，它包含了一組資料視覺化、探索、預處理和建模的技術。

它不但帶有一個新手友好的使用者介面，老司機們也可以把它用作Python的一個模組。

標籤

如果要用一些簡單的詞描述它，我想到以下標籤:

• 開源
• python
• 資料視覺化
• 資料模式探索
• 機器學習
• 拖曳式
• 積木化

特點

• 互動式的資料視覺化探索：你可以用它做簡單的分析，諸如統計分佈、箱形圖（Box plot）、散點圖。也可以做深入挖掘，諸如使用決策樹、聚類、熱圖等。通過智慧的屬性選擇，你可以在2維平面上探索多維資料
• 視覺化程式設計：圖形化介面允許你專注於探索資料，而不是編碼。你要做的事只是在畫布上拖曳小部件、連線它們、載入資料集，如此便可獲得資料洞察力！
• 適合用於教學（jupyter出自生物學家之手，Orange似乎也和生物學領域有關，他們都讓資料分析工作的協作交流變得簡單有趣）
• 附加擴充套件功能：通過使用各種外掛，我們可以做各種各樣的事：

 *  對外部資料來源進行資料探勘（資料庫/網路）  
 *  自然語言處理以及文字挖掘  
 *  網路分析  
 *  關聯規則分析  

優勢

我折騰過的資料視覺化工具多而雜， 以下是我偏好Orange的幾個原因

• 安裝極其建議（二進位制安裝包）
• 對新手友好，易於上手，許多操作憑直覺即可甚至不需要文件
• 讓普通使用者能使用機器學習去發現資料模式，這項工作之前往往需要技術背景
• 支援excel檔案直接匯入
• 對中文支援良好（目前尚未遇到亂碼）
• 視覺化的程式設計方式，使用者無需編碼，資料在各個元件裡流動，通過拖曳元件即可開始探索資料
• 互動式的探索過程，每一個元件疊加都能及時得到反饋。如同REPL(讀取﹣求值﹣輸出迴圈)般敏捷順滑

不足

同時也簡單列出我認為不足的地方

• 對資料來源的支援不夠豐富，目前Orange3只支援PostgreSQL資料庫，當然這是站在開發者的角度的挑刺，普通使用者對此沒有需求
• 無法像tableau一樣把探索結果作為網頁釋出。不過瀏覽了一遍官方原始碼庫，他們似乎有這個計劃。把它和superset整合在一起，指不定能折騰出一個商業應用

關於對資料庫的支援，估計隨著專案的推進，會慢慢完備起來，這塊基本只是時間的問題。（PS：不過PostgreSQL, Greenplum實際上都非常強大，不僅僅能夠完美的展現時空資料，還支援平行計算。）

後續

接下來有空我們分析下，這個專案在技術層面有哪些有趣的東西

此外我還有興趣對它做些本地化改進，包括但不限於漢化，有興趣的小夥伴可以一起來折騰，我已經fork了一份原始碼：orange3

參考

• orange3
• orange.biolab.si
• Orange-資料探勘和機器學習軟體
• Orange：通過視覺化程式設計或 Python 指令碼進行資料探勘、資料視覺化、分析和機器學習

補充

這裡有大量的例子：

http://blog.biolab.si/