От CSV към модел без код
В урок 12 направихте nabor.csv. В урок 13 видяхте цикъла обучение → тест → поправка върху снимки. Днес същият цикъл върху вашата таблица — с Orange Data Mining, безплатна настолна програма (orangedatamining.com), в която моделът се сглобява от кутийки, а не се пише. След час ще имате число: колко от тестовите редове моделът познава.
Уиджети и работен поток
Уиджет (widget)
Кутийка с една функция — чете файл, показва таблица, обучава модел, смята точност. Влачите я от лентата вляво върху платното и свързвате изхода ѝ с входа на следващата.
| Раздел | Уиджет | За какво |
|---|---|---|
| Data | File | чете CSV/Excel; тук казвате коя колона е етикетът |
| Data | Data Table | показва редовете — първата проверка след зареждане |
| Visualize | Scatter Plot | две колони една срещу друга, цвят по етикет |
| Visualize | Distributions | хистограма на една колона, разделена по етикет |
| Model | Logistic Regression, Tree, kNN, Random Forest | четири алгоритъма; днес са само избор от менюто |
| Evaluate | Test and Score | обучава всеки свързан модел и мери резултата |
| Evaluate | Confusion Matrix | матрицата на грешките от Test and Score |
| Evaluate | Predictions | предсказанията на модела за конкретни редове |
| Visualize | Tree Viewer | рисува наученото дърво — единственият модел, който се чете |
File — къде се казва кое е етикетът
При отваряне на CSV в File се появява списък на колоните с три неща за всяка: тип (numeric, categorical, text, datetime) и роля (feature, target, meta, skip). Orange познава типовете от данните, но ролята е ваша работа:
- Колоната с етикета (
visok_uspeh) — двойно щракване върху ролята ѝ →target. Ако е 0/1, сменете и типа наcategorical, иначе Orange ще прави регресия. - Идентификаторът (
uchenik) →meta: вижда се в таблиците, но не влиза в модела. - Колона, която изтича отговора (урок 12) →
skip. - Натиснете
Apply. Без него промените не тръгват по кабела.
Test and Score — числата
Уиджетът взима данните и всеки свързан към него модел, обучава и проверява по избраната схема и показва таблица с по един ред на модел. Вляво избирате как да се проверява:
| Cross validation | Test on train data | |
|---|---|---|
| Какво прави | дели данните на k части (по подразбиране 10); обучава върху k−1, тества върху останалата, k пъти | обучава и тества върху едни и същи редове |
| Честно ли е | да — всеки ред е бил тестов точно веднъж | не — мери паметта на модела (урок 12) |
| Кога | по подразбиране; при малки набори — 5 части | само за сравнение, колко е самозалъгването |
Има и Test on test data — тогава свързвате втори File с test.csv към входа Test Data. Това е точно разделянето, което направихте на ръка в урок 12.
Колоните на резултата
- CA (classification accuracy) — дял познати редове. Числото, което търсите днес.
- Precision и Recall — за какво служат, идва в урок 15; днес само ги записвате.
- AUC, F1, MCC — други обобщени мерки; засега ги пропускате.
Свържете Confusion Matrix към Test and Score: редовете са истинският клас, колоните — предсказаният. Диагоналът са познатите; всичко извън него са грешки, разделени по вид. Щракване върху клетка избира тези редове и ги изпраща нататък — например към Data Table, за да ги разгледате.
Четирите модела от менюто
Днес не е важно как работят — важно е, че се сменят с влачене на друга кутийка. Само толкова, колкото да знаете какво сравнявате:
| Уиджет | Идея с едно изречение | Може ли да се прочете |
|---|---|---|
Logistic Regression | претегля признаците и тегли една граница | донякъде — по теглата |
Tree | поредица от въпроси „признак > праг?“ | да — с Tree Viewer |
kNN | гледа k-те най-близки реда и взима техния етикет | не |
Random Forest | много дървета върху случайни части от данните; гласуват | не |
Какво трябва да запомниш
- Orange сглобява анализа от уиджети: File → Data Table → модел + Test and Score → Confusion Matrix.
- Ролята на колоните се задава във File: target за етикета, meta за идентификатора, skip за изтичащите.
- Test and Score с cross validation дава честна оценка; „Test on train data“ мери само паметта.
- CA е делът познати редове; Confusion Matrix показва кои класове се бъркат.
- Модели се сравняват в един Test and Score; четимият (Tree с Tree Viewer) има предимство при равни резултати.