Orange 数据挖掘和机器学习工具 v3.38.0 中文绿色版

Orange3是一款开源的交互式数据分析和机器学习软件，广泛应用于数据科学、教育和研究领域。该软件提供了丰富的可视化工具和易于使用的工作流界面，支持通过拖拽组件来快速构建数据分析流程。Orange3.38.0 版本引入了多个重要更新和改进，包括增强的数据预处理功能、优化的机器学习算法以及更为灵活的可视化选项。新增的自定义组件功能允许用户更方便地扩展和定制分析流程，提升了软件的灵活性和扩展性。同时，性能也得到了提升，数据处理速度更加迅速。该版本还修复了一些已知的bug，增强了软件的稳定性和用户体验。

主要功能包括：

数据加载与预处理：支持多种数据格式，提供数据清理、特征选择和标准化等功能。

可视化：支持柱状图、散点图、箱线图、热图等多种交互式图表。

机器学习：内置多种机器学习模型（如决策树、KNN、随机森林等），并支持模型评估与调参。

扩展功能：通过插件扩展功能（如 Text Mining、Bioinformatics、Network 等），满足不同领域的需求。

编程接口：适用于 Python 用户，允许编写自定义代码以实现更高级的功能。

Orange3特点

图形化界面：Orange3提供直观的图形用户界面，使用户能够通过拖放操作轻松构建和调整机器学习模型，无需编写复杂的代码

丰富的组件库：它包含了丰富的预先构建的组件，涵盖了数据预处理、特征选择、分类、回归、聚类等多个领域。用户可以根据任务需求选择并连接这些组件来构建自己的数据流程

强大的数据可视化：Orange3提供多种可视化工具，帮助用户更好地理解数据分布、关系和模型的性能。可视化有助于直观地探索数据，识别模式，并解释模型的预测结果

多种数据格式支持：它支持导入和导出多种数据格式，包括CSV、Excel、SQL、JSON等，使用户能够轻松处理各种数据源

交互式数据探索：用户可以通过Orange3进行交互式的数据探索，查看数据的基本统计信息、分布情况，并快速了解数据集的特征

机器学习模型解释：Orange3提供了模型解释的工具，帮助用户理解机器学习模型的决策过程，提高模型的可解释性

Python集成：尽管Orange3拥有图形用户界面，但它也与Python集成紧密，允许用户通过编写Python代码进行更高级的定制和扩展

组件截图

早本站下载此软件，解压之后直接运行即可

增强功能

参数 Fitter：基本实现 ( #6921 )

数据集：添加domain字段；尊重“未列出”（#6920）

数据集：让过滤器覆盖域和语言 ( #6930 )

ScoringSheet 和 ScoringSheetViewer 小部件 ( #6817 )

多语言打包和安装 ( #6828 )

错误修正

校准学习器：防止就地修改基础学习器（#6917）

ListView：修复选择（#6823）

plotutils：修复 AnchorItem 中的场景布局跟踪（#6859）

oweditdomain：隐藏更改时的“类别映射”警告（#6865）

逻辑回归：修复无正则化的惩罚参数（#6886）

通过缓存域来避免速度减慢。等式（#6764）

SVM：度数必须是整数（#6866）

仅深度复制最外层表转换的 .attributes ( #6849 )

线图：与 scipy 1.14 的兼容性（#6845）

PCA：确保测试在 sklearn 1.4 和 1.5 上通过，这可能会返回不同的结果 ( #6821 )

删除稀疏数据的随机 PCA 的 Orange 实现 ( #6815 )