Orange3实战教程：可视化---诺模图

诺模图

用于可视化朴素贝叶斯分类器和逻辑回归分类器的诺模图。

输入

● 分类器：训练好的分类器（如朴素贝叶斯或逻辑回归）
● 数据：输入数据集

输出

● 特征：默认选择前10个变量作为特征

诺模图能够直观展示分类器（特别是朴素贝叶斯和逻辑回归）的结构，揭示训练数据中属性对类别概率的影响。除了可视化功能外，该工具还支持交互式预测类别概率。下图展示了泰坦尼克号数据集的诺模图，用于建模乘客未幸存灾难的概率。

当数据集中属性过多时，可仅显示排名靠前的属性。对于朴素贝叶斯模型，排序选项包括“无排序”“名称”“绝对重要性”“正向影响”和“负向影响”；逻辑回归模型则支持“无排序”“名称”和“绝对重要性”。

在多分类任务中，目标类别的概率通过“一对多”（One-vs-All）原则计算（此时概率之和可能不为1）。若需避免此问题，可选择“归一化概率”。

操作步骤

1. 选择目标类别并决定是否归一化概率。
2. 默认使用“对数几率比”作为尺度。为便于理解，可切换为“点尺度”：将最大绝对对数几率比重新缩放为100点。
3. 显示所有属性或仅显示高排名属性，支持排序和投影类型设置（逻辑回归模型还支持连续属性的2D可视化）。