Orange3数据可视化(箱线图-离散属性分布)

最新推荐文章于 2025-03-28 14:14:12 发布
最新推荐文章于 2025-03-28 14:14:12 发布
阅读量1.3k 收藏 25
点赞数 15
文章标签： Orange3 机器学习 数据挖掘 信息可视化 数据可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/VSandJava/article/details/138224362
版权

箱线图(Box Plot)

又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因图形如箱子，且在上下四分位数之外常有线条像胡须延伸出去而得名

箱线图可以显示属性值的分布,快速发现异常,例如重复的值,离群值等,挖掘数据的分布规律

输入
    数据：输入数据集 
输出
    选中的数据：从图中选中的实例 
    数据：带有额外一列，显示点是否被选中 

箱形图小部件显示属性值的分布。使用此小部件检查任何新数据是一个好习惯，
可以快速发现任何异常，例如重复值（例如，灰色和灰色的值）、异常值等。

箱型图的特征


1.直观地观察到异常值，如果数据存在离群点，即位于上下边缘区域之外，以圆点的形式表示
2.当箱型图很短时，意味着很多数据多集中分布在很小的范围内
3.当箱型图很长时，意味着数据分布比较离散，数据间的差异比较大
4.当中位数接近底部时，说明大部分的数据值比较小
5.当中位数接近顶部时，说明大部分的数据值比较大
6.中位数所处的高低位置能反映数据的偏斜程度
7.如果上下虚线比较长，说明上下四分位数之外的数据变化比较大，整体数据的方差和标准偏差也比较大
8.箱型图的上下边缘并非最大值或最小值

箱型图的缺点


1.箱型图虽然能显示出数据的分布偏态，但是不能提供关于数据分布偏态和尾重程度的精确度量；
2.对于批量较大的数据批，箱线图反映的形状信息更加模糊；
3.用中位数代表总体平均水平有一定的局限性。
所以，应用箱线图最好结合其它描述统计工具如均值、标准差、偏度、分布函数等来描述数据批的分布形状。

详细说明

  • 选择要绘制的变量。勾选“按与子组的相关性排序”以根据所选子组的Chi2或ANOVA对变量进行排序。

  • 选择“子组”以查看由离散子组显示的箱线图。勾选“按与变量的相关性排序”以根据所选变量的Chi2或ANOVA对子组进行排序。

  • 当实例按子组分组时，您可以更改显示模式。带注释的框将显示端值、平均值和中位数，而比较中位数和比较平均值将自然而然地在子组之间比较所选值。

  • 平均值（深蓝色垂直线）。细蓝色线代表标准差。

  • 第一个（25%）和第三个（75%）四分位数的值。蓝色高亮区域表示第一个和第三个四分位数之间的值。

  • 中位数（黄色垂直线）。

对于离散属性，条形图代表每个特定属性值的实例数量。该图显示了动物园数据集中不同动物类型的数量：有41种哺乳动物，13种鱼，20种鸟类等。

显示选项：

  • 拉伸条形：显示数据实例的相对值（比例）。未勾选的框显示绝对值。
  • 显示框标签：在每个条形图上方显示离散值。
  • 按子组频率排序：按降序对子组进行排序。

示例

软件下载链接: https://pan.baidu.com/s/12drK7Mz7YSqrwIQk5Wh5cw?pwd=8tnd 

视频教程：关注我不迷路, 抖音：Orange3dev


https://www.douyin.com/user/MS4wLjABAAAAicBGZTE2kX2EVHJPe8Ugk3_nlJk9Nha8OZh4Bo_nTu8

1-组件概览
2-树查看器-决策树
3-箱线图-离散属性分布
4-箱线图-要素计算
5-箱线图-连续属性分布
6-小提琴图
7-分布图
8-散点图-智能数据可视化
9-散点图-探索性数据分析
10-散点图-高亮选择数据
11-折线图
12-条形图
13-筛网图
14-马赛克图
15-自由投影
16-线性投影
17-雷达图
18-热力图
19-韦恩图
20-轮廓图
21-毕达哥拉斯树
22-毕达哥拉斯森林
23-CN2规则查看器
24-诺莫图
 

Orange3实战教程：可视化---箱线图
err2008的专栏
04-18 12
按子组相关性排序”会为所有变量（包括二值变量）计算基于方差分析的 p 值，以便统一排序。箱线图（Box Plot）部件用于展示属性值的分布。建议在查看新数据时使用此部件，以便快速发现异常情况，例如重复值（如“gray”和“grey”）、离群值等。可以通过选择条形（例如分类数据的值或数值型数据的分位数范围）进行交互操作。例如，在动物园数据集中，箱线图显示不同动物类型的数量：41 只哺乳动物、13 条鱼、20 只鸟等。：第一分位数（25%）和第三分位数（75%）的值。用于展示属性值的分布情况。
Python 数据可视化详解
热门推荐
悦分享
10-18 2万+
数据可视化是一种将庞杂抽象的数据转化为直观易懂的图形的数据呈现技术，它能帮助我们快速把握数据的分布和规律，更加轻松地理解和探索信息。在当今这个信息爆炸的时代，数据可视化越来越受重视。
Orange3数据可视化（树查看器-决策树）
坚持到底
04-25 1326
分类和回归树的可视化。
python orange3_Orange3 - 开源机器学习和数据可视化工具
weixin_39845306的博客
12-06 965
Orange is a component-based data mining software. It includes a range of data visualization, exploration, preprocessing and modeling techniques. It can be used through a nice and intuitive use...
Origin画百图|手把手教你画超好看的箱线图
Hou556的博客
03-27 586
10.这样就画好喽，是不是与最开始相比好看很多很多。9.基本成型，再对边框等内容调一下基本设置即可。在组中，将边框颜色和箱体颜色的增量改成逐个。2.基础图形其实很难看，下面开始变魔术。1.点击绘图--选择统计图--箱线图。3.双击图形进入绘图属性设置界面。取消选择数据在箱体之上。类型：箱体＋重叠数据。百分位数为 5 95。
探索OR Labs的Orange：数据科学的可视化利器
gitblog_00086的博客
03-23 435
探索OR Labs的Orange：数据科学的可视化利器 orangeOpenResty/Nginx Gateway for API Monitoring and Management.项目地址:https://gitcode.com/gh_mirrors/or/orange 是一个开源的数据可视化和数据分析工具，由斯洛文尼亚OR Labs开发。它结合了直观的图形用户界面与强大的编程能力，为用户提...
Orange3数据可视化（组件概览）
坚持到底
04-24 937
Orange3为您提供了一系列生动的图表工具，包括树图、箱线图、小提琴图、分布图、散点图、折线图、条形图、筛图、马赛克图、自由投影、线性投影、雷达图、热力图、韦恩图、轮廓图、毕达哥拉斯树、毕达哥拉斯森林、CN2规则查看器、诺莫图等。这些图表适用于各种场景，帮助您轻松分析数据，充分展示数据背后的故事。
Orange：一个基于 Python 的数据挖掘可视化平台
TURING.DT
07-19 6422
对于高级用户，可以通过开发自定义的组件（Widget）实现扩展的功能，或者在 Python 中利用 Orange 代码库编写数据挖掘脚本程序。为了方便初学者，Orange 提供了许多实用的工作流示例。打开 Orange 主界面，左侧显示了默认安装时提供的许多机器学习、预处理以及可视化的算法，这些功能被划分为 5 个组件集（数据、可视化、模型、评估以及无监督算法）。欢迎界面提供了新建、打开工作流（workflow）的快捷方式以及各种教程、示例和使用文档，关闭该界面就进入了 Orange 主界面。
长文预警：一图胜千言！Python 数据可视化多维讲解
Python宋宋的专栏
08-03 914
著名的可视化先驱和统计学家 Edward Tufte 说过，数据可视化应该在数据的基础上，以清晰、精确和高效的方式传达数据模式和洞察信息。此外，由于图的复杂性，解释这些可视化开始变得困难，但我们仍然可以看出，例如红葡萄酒的固定酸度更高，白葡萄酒的残糖更高。这是一句我们熟悉的非常流行的英语习语，可以充当将数据可视化作为分析的有效工具的灵感和动力。我们用形状表征葡萄酒的质量标注，优质（用方块标记），一般（用 x 标记），差（用圆标记）：用色调表示红酒的类型，由深度和数据点大小确定的酸度表征总二氧化硫含量。...
【numpy+pandas】数据可视化模块之matplotlib、饼图、条形图、图的绘制(直方图、箱线图、折线图、气泡图、热力图、组合图)
linjun的博客
08-29 563
数据可视化的方式有很多借助于模块matplotlibseabornpyecharts借助于软件excelTableauPowerBI图形可视化常见网站。
图的用途+panda绘图（二）：箱线图、面积图、散点图
yungeisme的博客
04-03 3204
约定： %matplotlib inline import pandas as pd import numpy as np import matplotlib.pyplot as plt 图的用途+pandas绘图 一、箱线图 Box Chart 箱线图的用途 箱线图（Boxplot）也称箱须图（Box-whisker Plot），它是用一组数据中的最小值、第一四分位数、...
orange3：:tangerine:Orange：交互式数据分析
02-03
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
Orange3数据挖掘简单使用教程
最新发布
err2008的专栏
03-28 261
Orange3数据挖掘简单使用教程。
MATLAB 一行代码应用ggtheme主题--boxchart版（框须图，箱线图）
slandarer的博客
09-15 2015
这个比其他的难很多。。。 注： 至少需要 R2020a 版本才能使用，另外需要具有 Statistics and Machine Learning Toolbox 工具箱 1使用方式 假设你编写了如下曲线： x=randn(100,10); boxchart(x) legend('randn(100,10)') 加入一行： x=randn(100,10); boxchart(x) legend('randn(100,10)') ggThemeBox(gca,'flat_dark') categori
Orange3第一个实战：销售数据可视化
程序小白博客
06-26 5265
思路 具体思路参见knime简单入门实操：https://zhuanlan.zhihu.com/p/144406237 图4中的示例工作流从CSV文件中读取数据，过滤列的子集，过滤掉一些行，并在两个图中可视化数据：堆积面积图和饼图，您可以在图5中看到：一个显示销售额随时间的变化，另一个显示不同国家在总销售额上的份额。 数据集 https://files.knime.com/sites/default/files/sales_data.csv Orange3实现 这里实际使用的是橙现智能汉化的orange3中
OriginPro作图之箱线图
qq_45803851的博客
04-25 1987
箱线图(Boxplot) 也称箱须图( Box-whisker Plot)，是利用数据中的五个统计量:最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别的可以用于对几个样本的比较。如图所示，可以看出，该组数据最小值为20；Q1即为第一四分位数，其值为50；中位数为70；Q3即为第三四分位数，其值为120；最大值为150。一组数据按照从小到大顺序排列后，把该组数据四等分的数，称为四分位数。
数据分析和可视化python库orange简单使用方法
qq_43596960的博客
10-20 2030
通过使用 Orange，你可以更轻松地进行数据分析和机器学习任务，尤其是对于那些不熟悉编程的用户来说，它的可视化界面提供了一种便捷的方式来探索和理解数据。通过使用 Orange 的可视化工具和机器学习算法，可以更高效地进行数据分析和模型构建，为决策提供有力支持。一家电商企业拥有大量的客户数据，包括客户的购买历史、浏览行为、年龄、性别等信息。Orange 是一个基于 Python 的数据挖掘和机器学习库，它提供了一系列可视化工具和算法，用于数据分析、机器学习和数据可视化等任务。
自定义View进阶篇（多边形各属性值分布图）
czq_901201的博客
11-10 1428
自定义View进阶篇（多边形各属性值分布图），进度条的拖拽功能的实现方法较多（一：直接使用android的ProgressBar，最简单；二：在现在代码上加onTouch()实现等待），在此我就不实现次功能。其他功能及美化，动动你的手指，就可以修改出你想要的效果。
Android自定义View实现三角到八角的属性分布图-雷达图（蜘蛛网图）
qq_38496491的博客
12-24 968
Android自定义View实现三角到八角的属性分布图前言自定义View的关键点绘制多边形结尾 前言 刚开始学习自定义view，简单完成了一个属性分布器，可以实现三条到八条属性的分布图，依次是三角形到正八边形，可以在xml和代码中设置属性个数和显示层数，并没有用到什么复杂的知识点，简单的canvas绘制就可以完成，复杂一点点可能就是绘制坐标的计算，我是使用的kotlin进行的编写，也是一个小新手，没使用太多的简化写法。这篇文章主要做一个记录，如果能帮到大家页自然是极好。废话不多说，开始我的炸弹秀，不好意思跑
import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import LabelEncoder from pathlib import Path excel_path = "C:/Users/Administrator/Desktop/data2.xlsx" data = pd.read_excel(excel_path, sheet_name=&#39;Sheet1&#39;) x = data[[&#39;掺氨比&#39;, &#39;总热输入&#39;, &#39;分级比&#39;, &#39;主燃区温度&#39;]] y = data[&#39;NOx排放浓度&#39;] cat_cols = data.select_dtypes(include=[&#39;object&#39;]).columns for col in cat_cols: data[col] = le.fit_transform(data[col]) X = data.drop(&#39;NOx排放浓度&#39;, axis=1) y = data[&#39;NOx排放浓度&#39;] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) import xgboost as xgb dtrain = xgb.DMatrix(X_train, label=y_train) dtest = xgb.DMatrix(X_test, label=y_test) params = { &#39;objective&#39;: &#39;reg:squarederror&#39;, &#39;eval_metric&#39;: &#39;rmse&#39;, &#39;eta&#39;: 0.1, &#39;max_depth&#39;: 6, &#39;subsample&#39;: 0.8, &#39;colsample_bytree&#39;: 0.8 } model = xgb.train(params, dtrain, num_boost_round=100, evals=[(dtrain, &#39;train&#39;), (dtest, &#39;test&#39;)], early_stopping_rounds=10) y_pred = model.predict(dtest) from sklearn.metrics import mean_squared_error, r2_score from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split print(f"MSE: {mean_squared_error(y_test, y_pred):.2f}") print(f"RMSE: {mean_squared_error(y_test, y_pred, squared=False):.2f}") print(f"R²: {r2_score(y_test, y_pred):.2%}") import matplotlib.pyplot as plt plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 指定默认字体为黑体 plt.rcParams[&#39;axes.unicode_minus&#39;] = False xgb.plot_importance(model) plt.show() 评估结果不好
03-08
<think>嗯，用户给了一段代码，是关于使用XGBoost回归模型预测NOx排放浓度的，但评估结果不好，比如MSE、RMSE和R²分数不理想。用户希望我分析原因并提出改进方法。首先，我需要仔细看看代码有没有什么问题。 首先看数据导入部分，用户用了pandas读取Excel，正确。然后定义了特征x和目标y，但之后又处理了分类列，可能数据里有类别变量？不过原来的x里并没有包含这些分类列，因为后面又用X = data.drop(&#39;NOx排放浓度&#39;, axis=1)，这时候可能包含了之前处理过的分类列。这里可能存在一个问题：是否在特征工程中正确处理了分类变量？ 接下来，LabelEncoder被应用到了所有object类型的列，但用户可能在数据中存在其他分类特征未被正确编码的情况。或者，可能在特征选择的时候有没有遗漏重要的变量？ 然后，数据分割用了train_test_split，参数没问题。XGBoost的参数设置方面，objective是回归，eval_metric是RMSE，参数如eta、max_depth等看起来常规。可能模型参数需要调整，或者数据量不够，导致过拟合或欠拟合？ 模型训练部分用了early_stopping，观察验证集的性能，这可以防止过拟合。但结果不好可能说明模型没有学习到足够的模式。可能特征不够相关，或者数据预处理有问题，比如是否需要标准化或归一化？XGBoost通常对特征缩放不敏感，但其他处理比如缺失值处理呢？数据里是否有缺失值？用户代码中没有处理缺失值的步骤，可能数据中存在NaN值，影响模型表现。 另外，特征选择方面，用户最初选取的四个特征是否足够？是否遗漏了其他重要特征？或者这些特征与目标的相关性不高？可能需要做特征相关性分析，比如计算相关系数矩阵，或者通过其他特征重要性方法筛选。 评估指标方面，用户计算了MSE、RMSE和R²，R²低说明模型解释力不足。这时候可能需要更多的特征，或者更复杂的模型，或者数据本身噪音太大，无法有效预测。 还有，数据量的问题。如果样本量太少，模型难以学习到规律，尤其是XGBoost这种需要足够数据量的模型。用户的数据量是否足够？比如，data2.xlsx里的样本数是多少？如果只有几十条，可能效果不好。 另外，可能模型超参数需要调优。虽然用户设定了eta、max_depth等，但可能没有找到最佳组合。建议使用网格搜索或随机搜索进行参数调优，比如调整max_depth、subsample、colsample_bytree、learning_rate等，或者增加n_estimators（num_boost_round）。 还有可能数据存在非线性关系，XGBoost本身可以处理，但可能需要更深的树或者不同的参数设置。或者，尝试其他模型，比如随机森林、梯度提升树等，比较结果。 另外，检查是否有异常值影响模型。NOx排放浓度是否有极端值？可以通过箱线图查看，或者对目标变量进行变换，比如对数变换，使其分布更接近正态，可能提升模型效果。 特征工程方面，是否可以考虑交互项、多项式特征？比如将某些特征相乘或平方，增加模型的表达能力。或者进行分箱处理，将连续变量离散化。 最后，可视化部分，用户画了特征重要性图，可能发现某些特征的重要性较低，这时候可以考虑移除不重要特征，减少过拟合风险，或者进一步分析这些特征是否有意义。 总结下来，可能的问题包括数据预处理不充分、特征选择不当、模型参数未调优、数据量不足、异常值存在等。需要逐一排查，并进行相应的改进。</think>以下是对该机器学习流程的分析和改进建议，按步骤说明： $$代码分析流程图$$ 1. 数据读取 → 2. 特征工程 → 3. 数据分割 → 4. 模型训练 → 5. 模型评估 $\boxed{问题诊断}$ 1. $\color{red}{数据泄露}$：LabelEncoder在循环外使用fit_transform，应在循环内对每个分类列单独处理 2. $\color{red}{特征矛盾}$：x初始定义为4个特征，但后续X使用data.drop()会包含所有特征 3. $\color{orange}{参数未优化}$：XGBoost默认参数可能不适合当前数据集 4. $\color{orange}{特征工程缺失}$：未处理异常值、未标准化连续变量 $\boxed{改进方案}$ 1. $\textcircled{1}$ 数据预处理修正： ```python # 修正后的LabelEncoder应用 le = LabelEncoder() for col in cat_cols: data[col] = le.fit_transform(data[col].astype(str)) # 确保处理字符串类型 # 添加标准化（对连续变量） from sklearn.preprocessing import StandardScaler num_cols = [&#39;掺氨比&#39;, &#39;总热输入&#39;, &#39;分级比&#39;, &#39;主燃区温度&#39;] scaler = StandardScaler() data[num_cols] = scaler.fit_transform(data[num_cols]) ``` 2. $\textcircled{2}$ 特征工程增强： ```python # 添加交互特征示例 data[&#39;热输入_温度&#39;] = data[&#39;总热输入&#39;] * data[&#39;主燃区温度&#39;] # 异常值处理（使用IQR方法） Q1 = data[&#39;NOx排放浓度&#39;].quantile(0.25) Q3 = data[&#39;NOx排放浓度&#39;].quantile(0.75) IQR = Q3 - Q1 data = data[~((data[&#39;NOx排放浓度&#39;] < (Q1 - 1.5*IQR)) | (data[&#39;NOx排放浓度&#39;] > (Q3 + 1.5*IQR)))] ``` 3. $\textcircled{3}$ 参数优化： ```python # 使用网格搜索优化参数 from sklearn.model_selection import GridSearchCV param_grid = { &#39;max_depth&#39;: [4, 6, 8], &#39;learning_rate&#39;: [0.01, 0.1, 0.2], &#39;subsample&#39;: [0.6, 0.8, 1.0], &#39;colsample_bytree&#39;: [0.6, 0.8, 1.0] } xgb_reg = xgb.XGBRegressor(objective=&#39;reg:squarederror&#39;) grid_search = GridSearchCV(estimator=xgb_reg, param_grid=param_grid, scoring=&#39;neg_mean_squared_error&#39;, cv=5) grid_search.fit(X_train, y_train) best_params = grid_search.best_params_ ``` $\boxed{评估指标提升策略}$ 1. $\sqrt{交叉验证}$：使用5折交叉验证代替单一划分 2. $\mathbb{E}[R^2]$提升：尝试特征选择方法 ```python from sklearn.feature_selection import RFE # 递归特征消除 selector = RFE(estimator=xgb.XGBRegressor(), n_features_to_select=6, step=1) selector = selector.fit(X_train, y_train) selected_features = X.columns[selector.support_] ``` 3. $\lambda$正则化：在XGBoost参数中添加正则项 ```python params.update({ &#39;lambda&#39;: 0.1, # L2正则化 &#39;alpha&#39;: 0.01, # L1正则化 &#39;min_child_weight&#39;: 5 }) ``` $\boxed{可视化改进}$ 建议添加预测值与真实值的散点图，直观显示拟合效果： ```python plt.figure(figsize=(10,6)) plt.scatter(y_test, y_pred, alpha=0.6) plt.plot([y.min(), y.max()], [y.min(), y.max()], &#39;k--&#39;, lw=2) plt.xlabel("真实值") plt.ylabel("预测值") plt.title("预测值 vs 真实值") plt.grid(True) plt.show() ``` $\boxed{终极解决方案}$ 若上述改进仍不理想，可尝试： 1. 使用深度学习方法构建全连接神经网络 2. 集成多个模型（XGBoost + LightGBM + CatBoost） 3. 应用贝叶斯优化进行超参数搜索 4. 使用SHAP值进行可解释性分析，辅助特征工程 建议优先检查数据质量（缺失值、异常值、特征相关性），再优化模型参数，最后考虑模型复杂度升级。可通过以下命令快速检查数据基本信息： ```python print(data.info()) print(data.describe()) data.hist(figsize=(12,10)) plt.show() ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值