orange(数据挖掘软（ruǎn）件)是一（yī）个基于（yú）组（zǔ）件的数据挖掘和机器学习软（ruǎn）件套装，它的功能即友好，又很强大，快速而又（yòu）多功能的可（kě）视化（huà）编程前端（duān），以便浏览数据分析（xī）和可视化（huà），基绑定了Python以进行（háng）脚本（běn）开发。它包含了（le）完整的一（yī）系列（liè）的组件以进行数据预处理，并提供了数据（jù）帐目，过渡，建模，模式评估（gū）和勘探的（de）功（gōng）能（néng）。其由C++ 和（hé） Python开发，它的图形（xíng）库（kù）是由跨平台的（de）Qt框架开发。
除了界面友好易（yì）于使用的优（yōu）点（diǎn），Orange的强项在（zài）于（yú）提供了（le）大量（liàng）可（kě）视化方（fāng）法（fǎ），可（kě）以对（duì）数据和（hé）模型进行（háng）多种图形化展示（shì），并（bìng）能智能搜索合适的可视化形式（shì），支持（chí）对数据的交（jiāo）互式探索。
Orange的弱项在于传统（tǒng）统计分析能（néng）力不强，不支持统计检验，报表（biǎo）能力也有（yǒu）限。Orange的（de）底层核心也是采用C++编（biān）写（xiě），同时允许用户（hù）使（shǐ）用Python脚本（běn）语言来进行扩展开发。nbsp;支（zhī）持Python的Orange数据挖掘软件实例：Orange的特点是（shì）界面友好易于使用，提供大（dà）量可视（shì）化方法，提供Python编程（chéng）接口，于是决定试用一下（xià）。
数（shù）据是怎么导 入Orange里的（de）：具体操作是（shì）用（yòng）python吗你数据是存（cún）在哪儿的，如果（guǒ）是存在mysql里面的，那（nà）可（kě）以 使用（yòng）orngMySQL和orngSQL模块，如下（xià）所示 torngMySQL.Connect#39;localhost#39;#39;root#39;#39;#39;#39;test#39; datat.queryquot;SELECT * FROM busclassquot; treeorngTree.TreeLearnerdata orngTree.printTxttreenodeStrquot;V 1.0Nquot;leafStrquot;V 1.0Nquot;Orange怎么用？Orange是类似KNIME和Weka KnowledgeFlow的数据挖（wā）掘工具（jù），它（tā）的图形环境称为Orange画布（bù）（OrangeCanvas），用户可以在画布上放置分（fèn）析控件（widget），然后（hòu）把控件连接起来（lái）即可（kě）组成挖掘流（liú）程。这里的控件和（hé）KNIME中的节点是类似的概（gài）念。每个控件执行特（tè）定的功能（néng），但与KNIME中的节点不同，KNIME节点（diǎn）的输入（rù）输出分为两种类（lèi）型（xíng）（模型和数据），而Orange的控件间（jiān）可以传递多种不同（tóng）的（de）信号（hào），比如learners classifiers evalsuation results distance matrices dendrograms等等。Orange的控件不象KNIME的节点分得（dé）那么（me）细，也就是说（shuō）要完成同样的分析挖（wā）掘任务（wù），在Orange里使用的控件数量（liàng）可以比KNIME中的节（jiē）点数少一些。Orange的好处是（shì）使用更简单一些（xiē），但缺点是控制能力要（yào）比KNIME弱。
网上可以（yǐ）搜索到的Orange中文资料不多（duō），这（zhè）篇《利用orange进行关联规（guī）则挖掘（jué）》 给了（le）一个通（tōng）过Python调用Orange中的Apriori算法进行关联分析的（de）例（lì）子，更（gèng）详细的通（tōng）过（guò）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（jiǎn）单易懂，看看features里的screenshots也可猜个大概。参考（kǎo）Beginning with Orange中（zhōng）的Classification小节，以用Naive Bayesian Classifer处理Orange自带的示例（lì）数据（jù）集voting.tab为例，对代码做（zuò）了少量（liàng）修改：
#-*-nbsp;encoding:nbsp;utf-8nbsp;-*-#nbsp;导入（rù）orange包importnbsp;orange#nbsp;导入（rù）测试数（shù）据voting.tabdatanbsp;nbsp;orange.ExampleTablequot;votingquot;#nbsp;使用Naivenbsp;Bayesiannbsp;Classiferclassifiernbsp;nbsp;orange.BayesLearnerdatanbsp;#nbsp;输出all_datanbsp;nbsp;lendatabingonbsp;nbsp;0nbsp;fornbsp;dnbsp;innbsp;data:nbsp;nbsp;nbsp;nbsp;nbsp;#nbsp;分（fèn）类（lèi）器输出的（de）类别nbsp;nbsp;nbsp;nbsp;ccnbsp;nbsp;classifierdnbsp;nbsp;nbsp;nbsp;#nbsp;原文件中数（shù）据中的类别nbsp;nbsp;nbsp;nbsp;ocnbsp;nbsp;d.getclassnbsp;nbsp;nbsp;nbsp;ifnbsp;ocnbsp;nbsp;cc:nbsp;nbsp;nbsp;nbsp;nbsp。
