Jak zainstalować i używać Orange w Linux
Orange to oprogramowanie do eksploracji danych, które zapewnia użytkownikom unikalne i gotowe do użycia rozwiązania codziennych problemów z analizą danych. Wykorzystuje interfejs programowania wizualnego, który pozwala użytkownikom zrozumieć i kontrolować swoje przepływy danych w sposób intuicyjny wizualnie. U podstaw wykorzystuje moduły oparte na Pythonie, które pozwalają odziedziczyć ich podstawową funkcjonalność, która ma być wdrażana na danych, które są do niego załadowane. Oprócz technik wydobywania danych, zapewnia również doskonałe wsparcie dla algorytmów uczenia maszynowego, które pomagają użytkownikom generować bystry spostrzeżenia z ich danych.
Orange jest szeroko stosowany w dziedzinie edukacji i badań i jest uważany za doskonałe narzędzie przez grupy badawcze oparte na programie bez programowania. Wizualny interfejs programowania o nazwie Pomarańczowe płótno Ułatwia wykonanie pracy nawet dla osób, które nie mają kompleksowego wykształcenia w programowaniu. Płótno działa, pozwalając użytkownikom włożyć widżety, które reprezentują pewną podstawową funkcjonalność przepływu pracy analizy danych. Widżety te można następnie ułożyć jeden po drugim, aby utworzyć pełny rurociąg, przez który dane przechodzą i generują wymagane wyjście.
Na końcu tego artykułu będziesz mógł:
-
- Pobierz i zainstaluj Orange na swoim komputerze Linux
- Zrozum, jakie znaczenie ma dla społeczności nauki danych
- Dowiedz się różnych sposobów, w jakie ten zestaw narzędzi może być dla Ciebie korzystny
Instalacja
Jak wspomniano wcześniej, Orange używa modułów Python, dlatego można go łatwo pobrać z menedżera pakietu Python Casting pypeć. Aby użyć PIP, najpierw musimy go pobrać i zainstalować.
Wykonaj kroki dla pełnej instalacji pomarańczowej na komputerze Linux.
1. Najpierw musimy zaktualizować lokalne trafny Repozytoria za pomocą następującego polecenia:
Aktualizacja $ sudo apt-get
Powinieneś uzyskać wyjście podobne do tego:
2. Po zaktualizowaniu trafny Lokalne repozytoria, teraz instalujesz niektóre pakiety Python, które pomogą Ci pobrać i zainstalować Pomarańczowy. Odbywa się to, ponieważ Orange jest zasadniczo modułem Python, który wykorzystuje pewną podstawową funkcjonalność z innych modułów Pythona, aby zapewnić możliwości eksploracji danych i analizy danych.
Uruchom następujące polecenie, aby pobrać pypeć Menedżer pakietów i Python Virtualenv organizować coś:
$ sudo apt-get instaluj git Python-Pip Python-virtualenv
Powinieneś uzyskać wyjście podobne do tego:
Teraz uruchom drugie polecenie, które pobiera wszystkie niezbędne moduły Pythona, które są wymagane przez Orange, aby uruchomić poprawnie:
$ sudo apt-get instaluj git python3-dev python3-numpy python3-scipy
Python3-pyqt4 Python-Qt4-dev Python3-SIP-dev libqt4-dev
Notatka: To polecenie może zająć trochę czasu, aby ukończyć działanie w zależności od połączenia internetowego.
Po drugie, możesz zostać poproszony o naciśnięcie Y klucz do zaakceptowania instalacji innych podstawowych pakietów.
Powinieneś spodziewać się wyjścia podobnego do tego:
3. Teraz tworzymy wirtualne środowisko, aby zainstalować wszystkie Pomarańczowy moduły i zależności.
Uruchom następujące polecenia:
$ mkdir Orange3env
$ Virtualenv -p python3--System-Site-Packages Orange3env
$ Source Orange3env/Local/Bin/Aktywuj
Notatka: Jeśli poprzednie polecenie nie działa, uruchom następujące polecenie:
$ Source Orange3env/bin/Aktywuj
4. zainstalować Pomarańczowy Wzywając pypeć które wcześniej pobraliśmy.
Uruchom następujące polecenie:
$ pip instaluj Orange3
Powinieneś uzyskać następujące dane wyjściowe:
5. Oznacza to udane wyjście z poprzedniego kroku Pomarańczowy został pobrany i zainstalowany za pomocą Packon Pack Manager pypeć.
Teraz uruchamiamy następujące polecenie, aby uruchomić Orange:
$ Python -m Orange.płótno
Notatka: Jeśli następujące Pomarańczowy Ekrany GUI otwierają się, oznacza to, że wszystkie twoje wysiłki się powiodły, a Orange jest instalowany i otwierany na komputerze Linux.
Podręcznik użytkownika
Orange to narzędzie do eksploracji i analizy danych, które pozwala użytkownikom tworzyć przepływy pracy analizy danych w sposób wizualny i interaktywny. Oznacza to, że możesz tworzyć złożone modele za pomocą prostej techniki przeciągania i upuszczenia.
Moduł pomarańczowy jest wyposażony w płótno, które można użyć do przeciągania i upuszczania widżetów reprezentujących różne funkcje. Zbudujemy prosty rurociąg w tym przewodniku, który importuje dane do pomarańczowej, a następnie wykonamy niektóre działania na temat tych danych i wynikają wyniki.
Na przykład możemy zobaczyć wszystkie różne sposoby na poniższy obraz, na którym dane można zaimportować do narzędzia pomarańczowego, które obejmują import z tabel SQL, plików CSV, danych malowania i innych.
Importujemy dane z pliku CSV do celów tego samouczka.
Teraz, gdy określiliśmy, jaki format danych oczekujemy wprowadzenia do naszego rurociągu, wybieramy akcję, którą chcemy wykonać na tych danych.
Teraz idziemy do Przekształcać karta i wybierz widżet randomize, który przyjmuje wszystkie wpisy danych w naszych danych i losowo ich kolejność.
Teraz, gdy wiemy, co chcemy zrobić z naszymi importowanymi danymi, możemy wybrać sposób wyświetlania wyników tych danych.
W naszym przewodniku zbudujmy wykres baru randomizowanych danych, abyśmy mogli zobaczyć, do jakiego klasy należą dane i ile danych jest zawarte w tych klasach.
Po zaimportowaniu danych do utworzonego przez nas modelu, automatycznie przemierza cały rurociąg, przechodząc z importu do tworzenia wykresu baru. Dane wyjściowe, które otrzymujemy na naszych danych, można zobaczyć następujące:
Ponadto możemy również po prostu wyświetlić dane za pomocą widżetu Tabela danych w kategorii wizualizują.
Wniosek
Jak widać, praca w pomarańczowej nauczanie danych jest niezwykle łatwa i intuicyjna. Wszystko, co musisz zrobić, to przeciągnąć i upuść różne funkcje, przez które twoje dane przeszły i zbierały wyjścia. To narzędzie jest szczególnie pomocne dla osób, które nie mają tła programowania, ale nadal musi uruchomić określone oceny swoich danych. Społeczności badawcze i akademickie używają Pomarańczowy obficie, ponieważ pozwala im wygenerować wnioski i spostrzeżenia na temat ich danych z względną łatwością i niewielką lub nie ma uprzedniej wiedzy.